京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据挖掘成果固化_聚类分析_数据分析师
--聚类样本数据模拟
--BY:@ETwise
--输入表1:cluster_sample
--输入表2:cluster_center
--20141213
create table cluster_sample
(
serv_id NUMBER ,
label_1 number,
label_2 number,
label_3 number,
label_4 number
);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (1,2,3,4,5);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (2,2.5,4.2,4.2,5.2);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (3,3.2,4.1,2.3,5.1);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (4,1.1,1.2,2.2,3.2);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (5,1.7,1.75,1.35,4.1);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (6,1.5,1.2,0.62,3.38);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (7,1.3,0.65,-0.11,3);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (8,1.1,0.1,-0.84,2.62);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (9,0.9,-0.45,-1.57,2.24);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (11,0.5,-1.55,-3.03,1.48);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (12,0.3,-2.1,-3.76,1.1);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (13,0.1,-2.65,-4.49,0.72);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (14,-0.1,-3.2,-5.22,0.34);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (15,-0.3,-3.75,-5.95,-0.04);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (16,-0.5,-4.3,-6.68,-0.42);
--创建聚类分析所得到的中心点数据
create table cluster_center
(
row_1 number,
row_2 number,
row_3 number,
row_4 number,
type_id VARCHAR2(20) not null
);
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (0,0,0,0,'t1');
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (1,1,1,1,'t2');
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (2,2,2,2,'t3');
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (3,3,3,3,'t4');
--聚类分析成果系统固化相关说明(K-means)
--第一步:对计算每个点与各个中心点的距离,并对应得到相应的分类type_id
select serv_id,
sqrt(power((label_1 - row_1), 2) + power((label_2 - row_2), 2) +
power((label_3 - row_3), 2) + power((label_4 - row_4), 2)) OS,
type_id
from cluster_sample a, cluster_center b
;
--第二步:使用开窗函数对各serv_id的各个中心点的距离进行升序排序,并打上相应的编号
select serv_id,
os,
row_number() over(partition by serv_id order by os asc) myrow_1,
type_id
from (select serv_id,
sqrt(power((label_1 - row_1), 2) +
power((label_2 - row_2), 2) +
power((label_3 - row_3), 2) +
power((label_4 - row_4), 2)) OS,
type_id
from cluster_sample a, cluster_center b)
;
--第三步:提取各个serv_id的最小距离数据,即可得到各个serv_id的类别
select *
from (select serv_id,
os,
row_number() over(partition by serv_id order by os asc) myrow_1,
type_id
from (select serv_id,
sqrt(power((label_1 - row_1), 2) +
power((label_2 - row_2), 2) +
power((label_3 - row_3), 2) +
power((label_4 - row_4), 2)) OS,
type_id
from cluster_sample a, cluster_center b))
where myrow_1 = 1
;
--其他办法:一步到位,直接代入中心点进行计算
select serv_id,
case
when least(os1, os2, os3, os4) = os1 then
't1'
when least(os1, os2, os3, os4) = os2 then
't2'
when least(os1, os2, os3, os4) = os3 then
't3'
when least(os1, os2, os3, os4) = os4 then
't4'
else
'-1'
end type_id
from (select serv_id,
sqrt(power((label_1 - 0), 2) + power((label_2 - 0), 2) +
power((label_3 - 0), 2) + power((label_4 - 0), 2)) os1,
sqrt(power((label_1 - 1), 2) + power((label_2 - 1), 2) +
power((label_3 - 1), 2) + power((label_4 - 1), 2)) os2,
sqrt(power((label_1 - 2), 2) + power((label_2 - 2), 2) +
power((label_3 - 2), 2) + power((label_4 - 2), 2)) os3,
sqrt(power((label_1 - 3), 2) + power((label_2 - 3), 2) +
power((label_3 - 3), 2) + power((label_4 - 3), 2)) os4
from cluster_sample t)
;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31