基于基站定位数据的商圈分析上机报告.docx

基于基站定位数据的商圈分析上机报告.docx

《基于基站定位数据的商圈分析上机报告.docx》由会员分享，可在线阅读，更多相关《基于基站定位数据的商圈分析上机报告.docx（11页珍藏版）》请在冰豆网上搜索。

基于基站定位数据的商圈分析上机报告

基于基站定位数据的商圈分析上机报告

1数据读取及其标准化

setwd（"E:

/数据处理"）

Data=read.csv（"./business_circle.csv",header=T,encoding='utf-8'）

colnames（Data）=c（"number","x1","x2","x3","x4"）

attach（Data）

y1=（x1-min（x1））/（max（x1）-min（x1））

y2=（x2-min（x2））/（max（x2）-min（x2））

y3=（x3-min（x3））/（max（x3）-min（x3））

y4=（x4-min（x4））/（max（x4）-min（x4））

standardized=data.frame（Data[,1],y1,y2,y3,y4）

write.csv（standardized,"./standardizedData.csv",row.names=TRUE）

2模型构建

2.1层次聚类

library（ggplot2）

Data=read.csv（"./standardizedData.csv",header=F）

Data1=data.frame（y1,y2,y3,y4）

attach（Data1）

dist=dist（Data1,method='euclidean'）

hc1<-hclust（dist,"ward.D2"）

plot（hc1）

plot（hc1,hang=-1）

#分成三类

re1<-rect.hclust（hc1,k=3,border="purple"）##对构建好的谱系聚类图进行分类，这里分三类

a=re1[[2]]##列表名[[下标]]

b=re1[[3]]

c=re1[[1]]

#商圈类别1

matrix=Data1[a,]##137个观测值、4个变量

d<-dim（matrix）##1374

y<-as.numeric（t（matrix））#t（）：

矩阵转置，这里转换成数字向量

row<-factor（rep（1:

d[1],each=d[2]））

x<-rep（1:

d[2],times=d[1]）

data<-data.frame（y=y,x=x,row=row）

View（data）

ggplot（data=data,aes（x=x,y=y,group=row））+

geom_line（）+scale_x_continuous（breaks=c（1,2,3,4）,labels=c（"工作日人均停留时间","凌晨人均停留时间","周末人均停留时间","日均人流量"））+

labs（title="商圈类别1",x="",y=""）

#商圈类别2

matrix=Data1[b,]

d<-dim（matrix）

y<-as.numeric（t（matrix））

row<-factor（rep（1:

d[1],each=d[2]））

x<-rep（1:

d[2],times=d[1]）

data<-data.frame（y=y,x=x,row=row）

ggplot（data=data,aes（x=x,y=y,group=row））+geom_line（）+

scale_x_continuous（breaks=c（1,2,3,4）,labels=c（"工作日人均停留时间","凌晨人均停留时间","周末人均停留时间","日均人流量"））+

labs（title="商圈类别2",x="",y=""）

#商圈类别3

matrix=Data1[c,]

d<-dim（matrix）##1484

y<-as.numeric（t（matrix））

row<-factor（rep（1:

d[1],each=d[2]））

x<-rep（1:

d[2],times=d[1]）

data<-data.frame（y=y,x=x,row=row）

ggplot（data=data,aes（x=x,y=y,group=row））+geom_line（）+

scale_x_continuous（breaks=c（1,2,3,4）,labels=c（"工作日人均停留时间","凌晨人均停留时间","周末人均停留时间","日均人流量"））+

labs（title="商圈类别3",x="",y=""）

2.2K-means聚类

setwd（"E:

/数据处理"）

Data=read.csv（"./business_circle.csv",header=T,encoding='utf-8'）

km=kmeans（Data,center=3）

print（km）

#数据分组

aaa=data.frame（Data,km$cluster）

Data1=Data[which（aaa$km.cluster==1）,]

Data2=Data[which（aaa$km.cluster==2）,]

Data3=Data[which（aaa$km.cluster==3）,]

#商圈1的概率密度函数图

par（mfrow=c（2,2））##公共参数列表par#设置布局

plot（density（Data1[,1]）,col="red",main="工作日人均停留时间"）

plot（density（Data1[,2]）,col="red",main="凌晨人均停留时间"）

plot（density（Data1[,3]）,col="red",main="周末人均停留时间"）

plot（density（Data1[,4]）,col="red",main="日均人流量"）

#商圈2的概率密度函数图

par（mfrow=c（2,2））

plot（density（Data2[,1]）,col="purple",main="工作日人均停留时间"）

plot（density（Data2[,2]）,col="purple",main="凌晨人均停留时间"）

plot（density（Data2[,3]）,col="purple",main="周末人均停留时间"）

plot（density（Data2[,4]）,col="purple",main="日均人流量"）

#商圈3的概率密度函数图

par（mfrow=c（2,2））

plot（density（Data3[,1]）,col="blue",main="工作日人均停留时间"）

plot（density（Data3[,2]）,col="blue",main="凌晨人均停留时间"）

plot（density（Data3[,3]）,col="blue",main="周末人均停留时间"）

plot（density（Data3[,4]）,col="blue",main="日均人流量"）

3总结

3.1数据标准化的方法及使用离差标准化原因

1.数据标准化方法

数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。

在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。

其中最典型的就是数据的归一化处理，即将数据统一映射到[0，1]区间上，常见的数据归一化的方法有：

1）min－max标准化（Min－maxnormalization）

　　也叫离差标准化，是对原始数据的线性变换，使结果落到[0，1]区间，转换函数如下：

　　其中max为样本数据的最大值，min为样本数据的最小值。

这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。

2）log函数转换

　　通过以10为底的log函数转换的方法同样可以实现归一下，具体方法如下：

3）atan函数转换

　　用反正切函数也可以实现数据的归一化：

　　使用这个方法需要注意的是如果想映射的区间为[0，1]，则数据都应该大于等于0，小于0的数据将被映射到[－1，0]区间上。

而并非所有数据标准化的结果都映射到[0，1]区间上，也有一些非归一化的方法，如下：

4）z－score 标准化（zero－meannormalization）

　　也叫标准差标准化，是SPSS中最为常用的标准化方法：

经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为：

　　其中μ为所有样本数据的均值，σ为所有样本数据的标准差。

5）Decimal scaling小数定标标准化

这种方法通过移动数据的小数点位置来进行标准化。

小数点移动多少位取决于属性A的取值中的最大绝对值。

将属性A的原始值x使用decimal scaling标准化到x'的计算方法是：

x'=x/（10*j）

其中，j是满足条件的最小整数。

例如：

假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。

2.使用离差标准化原因

数据标准化处理后，原始数据均可以转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析，但是离差标准化是最常用最简单的一种方式

3.2构建层次聚类模型时，可以调节哪些参数，对模型有何影响

1.层次聚类

1）计算变量之间的距离

代码为：

dist.r=dist（data,method=”“）

其中method包括6种方法，表示不同的距离测度：

”euclidean”,“maximum”,“manhattan”,“canberra”,“binary”or“minkowski”，分别表示欧几里德距离，切比雪夫距离，绝对值距离，Lance距离，明科夫斯基距离，定性变量距离。

使用不同的距离会对聚类的结果产生一定的影响

2）使用hclust（）进行聚类

代码为：

hc.r=hclust（dist.r,method=“”）

其中method包括7种方法，表示聚类的方法：

single，complete，median，mcquitty，average，centroid，ward。

分别表示：

最短距离法，最长距离法，中间距离法，相似法，类平均法，重心法，离差平方和法。

3）画图

plot（hc.r,hang=-1,labels=NULL）或者plot（hc.r,hang=0.1,labels=F）

hang等于数值，表示标签与末端树杈之间的距离，若是负数，则表示末端树杈长度是0，即标签对齐。

labels表示标签，默认是NULL，表示变量原有名称。

labels=F:

表示不显示标签。

2.k-mean聚类

kmeans（x,centers,iter.max=10,nstart=1,algorithm=c（"Hartigan-Wong","Lloyd","Forgy","MacQueen"）,trace=FALSE）,centers是初始类的个数或者初始类的中心。

iter.max是最大迭代次数，其中默认迭代次数为10。

nstart是当centers是数字的时候，随机集合的个数。

algorithm是算法，默认是第一个。

3.3K-mean算法实现基本步骤

1.算法步骤

K-Means算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。

然后按平均法重新计算各个簇的质心（这个点可以不是样本点），从而确定新的簇心。

一直迭代，直到簇心的移动距离小于某个给定的值。

K-Means聚类算法主要分为三个步骤：

（1）第一步是为待聚类的点寻找聚类中心

（2）第二步是计算每个点到聚类中心的距离，将每个点聚类到离该点最近的聚类中去

（3）第三步是计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心反复执行

（2）、（3），直到聚类中心不再进行大范围移动或者聚类次数达到要求为止

2.R语言聚类步骤

（1）读入数据，准备好数据矩阵；

（2）导入knn包，准备进行Kmean聚类分析

（3）在数据集上运行Kmean聚类分析，设置聚类组数，观察将聚类结果进行保存

（4）对以上步骤（3）结果进行修正

（5）根据结果画图

（6）结合问题情境做具体的管理决策分析。