GMM-EM算法聚类分析

1.程序概述

本程序是一个基于 PyQt5 和 GMM-EM 算法的聚类分析工具。用户可以通过该工具选择数据集文件，进行数据预处理、异常值检测、聚类分析等操作，并可视化显示聚类结果。

2.目录

  ├── front_end: 界面实现
  ├── back_end: GMM-EM算法实现
  ├── data_process: 数据预处理
  └── img: 图片文件

3.功能特点

• 选择数据集：用户可通过界面选择本地存储的数据集文件进行加载。
• 查看数据集信息：提供异常值检测、缺失值检测、数据统计等功能，帮助用户对数据集进行初步了解。
• 聚类分析：用户可以通过设置聚类数量、迭代次数、迭代阈值等参数，使用GMM-EM算法进行聚类分析。
• 可视化展示：支持在界面上展示2D和3D聚类结果的散点图。

4.主要界面及功能说明

1. 选择数据集界面

   • 用户可以点击“选择”按钮选择本地数据集文件进行加载。

2. 数据预处理功能

   • 提供异常值检测、缺失值检测、数据统计等功能，通过按钮触发对应操作并在输出框中显示结果。

3. 聚类分析功能

   • 用户可以通过设置聚类数量、迭代次数、迭代阈值等参数，使用GMM-EM算法进行聚类分析，并将结果显示在输出框中。同时，程序将生成2D和3D聚类结果的散点图，并在界面上展示。

5.程序运行环境

• 操作系统：支持 Windows、Linux 和 macOS 等主流操作系统。
• Python 版本：要求 Python 3.10 以上。
• 相关库：PyQt5、OpenCV、NumPy、Pandas、Matplotlib 等。

6.使用步骤

1. 打开程序后，选择位于dataset目录下的数据集car_price.csv。
2. 对数据集进行预处理，包括异常值检测、缺失值检测等。
3. 设置聚类分析参数，如聚类数量、迭代次数等。
4. 点击“开始分析”按钮进行聚类分析。
5. 查看聚类结果，并在界面上查看2D和3D聚类结果的散点图。
6. 如需保存数据集，点击“保存数据”按钮。

7.注意事项

• 请确保数据集文件格式正确，并且每列数据类型一致。
• 聚类分析过程可能会较慢，具体时间取决于数据集大小和参数设置。
• 可根据实际需要调整聚类分析的参数，以获得更好的分析效果。

8.运行结果展示