[发明专利]一种基于聚类集成学习的企业数据分析方法

说明书

本发明公开了一种基于聚类集成学习的企业数据分析方法，包括以下步骤：S1.获取待分析的产业的资料，并找出待分析产业中主要的多个待分析企业；本实施例分析了广州地区的海洋产业。S2.爬取待分析企业的相关数据；S3.对所爬取的数据进行预处理，并整理预处理过的数据为数据集；S4.采用KMeans作为基聚类器，对数据集进行聚类集成学习，得到基础聚类结果；S5.利用基础聚类结果构造联合矩阵；S6.采用单链接层次聚类对联合矩阵进行处理，得到最终待分析企业的聚类集成结果。本发明具有准确性、稳定性和鲁棒性，计算方便，实用性强的特点。

技术领域

本发明涉及信息处理技术领域，更具体的，涉及一种基于聚类集成学习的企业数据分析方法。

背景技术

在目前的企业数据分析方法中，数据聚类或无监督学习是一个重要但极其困难的问题。通过将一组未标记的对象划分为同质的组或集群来组织或发现数据中的结构，例如数据挖掘、信息检索图像分割和机器学习。在现实世界的问题中，集群可能以不同的形状、大小、数据稀疏性和分离度出现。此外，数据中的噪声会掩盖数据中存在的真实底层结构。聚类技术需要定义模式之间的相似性度量，这在没有任何关于聚类形状的先验知识的情况下是不容易指定的。聚类集成是为了提高聚类结果的准确性、稳定性和鲁棒性的一种算法，通过集成多个基聚类结果可以产生一个较优的结果。

如中国专利公开号CN 112800165 B，专利公开日2021.08.27，公开了一种基于聚类算法的产业集群定位方法获取预设区域内的多个企业的实时企业数据，根据所述产业标签信息，将所述多个企业进行分类，以解决传统产业集群定位方法无法精确定位大范围内产业集群的问题。然而此类聚类算法分析出来的结果有准确性、稳定性和鲁棒性较差，不能很好的反映企业间的聚类结果。

发明内容

本发明为了解决以上现有技术分析出来的结果有准确性、稳定性和鲁棒性较差的问题，提供了一种基于聚类集成学习的企业数据分析方法，其具准确性、稳定性和鲁棒性，计算方便，实用性强的特点。

为实现上述本发明目的，采用的技术方案如下：

一种基于聚类集成学习的企业数据分析方法，包括以下步骤：

S1.获取待分析的产业的资料，并找出待分析产业中主要的多个待分析企业；

S2.爬取待分析企业的相关数据；

S3.对所爬取的数据进行预处理，并整理所述处理过的数据为数据集；

S4.采用KMeans作为基聚类器，对数据集进行聚类集成学习，得到基础聚类结果；

S5.利用基础聚类结果构造联合矩阵；

S6.采用单链接层次聚类对联合矩阵进行处理，得到最终待分析企业的聚类集成结果。

优选的，在步骤S6之后还包括步骤S7：结合待分析企业的相关数据，将聚类集成结果可视化。

进一步的，步骤S2，待分析企业的相关数据包括企业的运营领域、地理位置、注册资本。

更进一步的，所述的预处理包括首先去除噪声数据、去除重复数据，之后进行特征筛选。

更进一步的，步骤S3中，整理所述处理过的数据为数据集包括以下具体步骤：

S301.根据待分析产业运营领域将待分析产业区分为若干个产业类别；

S302.根据所述待分析企业各个对应的产业类别，使用one-hot方法对待分析企业进行编码；

S303.将待分析企业的编码整理成数据集。

更进一步的，S4中采用KMeans聚类算法作为基聚类器对数据集进行聚类集成学习，具体步骤为：