26年WH统计学 聚类分析结果的评价方法研究15.77-AI17.91-约19529字符.docx

I摘 要在海量数据的时代，聚类分析作为无监督学习的核心方法，被广泛应用于多个领域，但是不同的聚类算法的结果差异较大，最佳聚类数难以确定，缺乏科学完备的评价体系。本文旨在系统构建聚类分析结果的评价方法体系，提升聚类分析结果的可靠性与实用性。方法上，本文采用文献研究法系统梳理聚类算法和聚类有效性指标的理论，通过对比分析法探索不同算法和指标的适配性。基于 R 语言对 Iris 数据集和 Wine 数据集进行实例分析，运用多种方法确定最佳聚类数，对比了 K-means 算法和层次聚类的聚类效果。结果表明 K-means算法在球形分布数据集上的表现更好，多种...