基于TinyXML的聚类分析方法指南[中文]

（3） 基于聚类分析的方法 一维聚类的方法包括两个步骤，首先将连续属性的值用聚类算法（如 K-Means 算法） 进行聚类，然后再将聚类得到的簇进行处理，合并到一个簇的连续属性值做同一标记。聚类 分析的离散化方法也需要用户指定簇的个数，从而决定产生的区间数。 7.3.4 属性构造 在数据挖掘的过程中，为了帮助提取更有用的信息、挖掘更深层次的模式，提高挖掘结 果的精度，需要利用已有的属性集构造出新的属性，并加入到现有的属性集合中。  比如进行防窃漏电诊断建模时，已有的属性包括供入电量、供出电量（线路上各大用户 用电量之和）。理论上供入电量和供出电量应该是相等的，但是由于在传输过程中存在电能 损耗，使得供入电量略大于供出电量，如果该条线路上的一个或多个大用户存在窃漏电行为， 会使得供入电量明显大于供出电量。反过来，为了判断是否有大用户存在窃漏电行为，可以 构造出一个新的指标--线损率，该过程就是构造属性。新构造的属性线损率按如下公式计算： 100% 供入电量－供出电量 线损率＝ 供入电量 ………………………(7-8)