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.docx](https://file1.bdocx.com/fileroot1/2023-1/28/fff2345a-6724-495a-9e90-aa117bbf2ff4/fff2345a-6724-495a-9e90-aa117bbf2ff41.gif)
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。