实现 K-Means 算法 JDBC答案

【问题标题】：Implementing K-Means Algorithm JDBC实现 K-Means 算法 JDBC
【发布时间】：2013-07-24 03:24:40
【问题描述】：

我正在使用 Oracle 数据库，并在 java 中实现了以下代码（使用 SQL 导入库），其中我有一组学生，他们的平均值，我标记这些学生的平均值高于一个偏离平均值的标准差（通过插入一个带有“1”的新列）。然后我统计符合条件的学生人数，并将他们添加到新表中：

try{
         Statement stOne, stTwo, stThree, stFour;
         String SelectAverage = "SELECT MEAN FROM STUDENTS";
          ResultSet rsOne = stOne.executeQuery(SelectAverage);

    String TotalAverage = "SELECT Avg(MEAN) AS averages FROM STUDENTS";
          ResultSet rsTwo = stTwo.executeQuery(TotalAverage);     

          String student_stan_dev = "SELECT STDEV(MEAN) AS standardDeviation FROM STUDENTS";
          ResultSet rsThree = stThree.executeQuery(student_stan_dev);

           int onesdMean = 1;


           //Loop Duration_Sec column
           while(rsOne.next()){

           //Convert values into float values
           float allAvgs = rsOne.getFloat("MEAN");
           float totalAvg = rsTwo.getFloat("averages"); 
           float StDev = rsThree.getFloat("standardDeviation");

           float theSD = allAvgs - (onesdMean * StDev);
           }

        String flaggedStudents = "ALTER TABLE STUDENTS ADD FlaggedStudents INT";
        ResultSet rsFour = stFour.executeUpdate(flaggedStudents);

           if(allAvgs >= theSD){
               String FlagHint = "INSERT INTO STUDENTS.FlaggedStudents VALUES('1')";
               st.executeUpdate(FlagHint);
           }

        String countInstances = "SELECT STUDENTS.NAME, STUDENTS.FlaggedStudents" +
                "COUNT(*)OVER(PARTITION BY STUDENTS) AS cnt FROM STUDENTS";
           st.executeQuery(countInstances);


        st.executeUpdate("CREATE TABLE IF NOT EXISTS StudentCount" +
        "(NAME INT , cnt INT)");

        String insertVals = String.format("INSERT INTO StudentCount" +
                "(NAME , cnt INT") +
                " VALUES ('%s','%s')");

        st.execute(insertVals);

我的问题是，我想改用 k-means 算法，将符合此标准的学生聚集在一起，并将远远不符合此标准的学生分开。我已经看到了 k-means 算法的源代码，但是我将如何使用 java/SQL 中实现的数据库来做到这一点？我是否只需将此信息添加到集群阵列中？任何帮助将不胜感激。

【问题讨论】：

标签： java sql data-mining cluster-analysis k-means

【解决方案1】：

如果您只有一个属性，请选择与 k-means 不同的算法。

聚类算法确实只适用于多维数据。

对于一维数据，使用核密度估计来找到局部最小值以在此处拆分数据。这会产生更有意义的拆分。同时，可以对一维数据进行排序（排序是您的 SQL 数据库非常擅长的事情），这使得问题比多维更容易。

说真的。一维数据是经典统计的主要领域。他们为此类数据提供了出色的工具，因此请使用它们！

多维数据难以加速计算，这正是数据挖掘真正发挥作用的地方。一旦问题变得难以在合理的时间内用适当的统计数据处理，那么数据挖掘的启发式方法就很有吸引力。但在此之前，经典的统计数据要聪明和先进得多。

【讨论】：