1 实验概述

1.1 实验目标

依托已构建的学生考勤主题标签表（student_attendance_stats），采用 K-Means 聚类算法完成学生考勤行为自动分组。以迟到、早退、请假、校服违规次数作为核心分析指标，划分出不同考勤行为群体并形成可解读的学生考勤画像，为校园学生日常管理、行为分析工作提供精准的数据依据。

1.2 实验环境

实验平台：助睿数智（Uniplore）在线实验平台，访问地址：https://lab.guilan.cn/。该平台为 AI 驱动的一站式数据科学平台，具备数据接入、ETL 处理、机器学习建模、可视化展示等全链路零代码能力，产品官网：https://www.uniplore.com/。本次实验主要使用平台三大功能模块：助睿 ETL 数据集成平台、助睿 AI 人工智能平台、助睿 BI 数据可视化探索平台。

数据库：MySQL

基础数据源：学生考勤主题标签表（student_attendance_stats）

2 实验数据

2.1 数据概况

本次实验沿用前序实验生成的学生考勤主题标签表，数据集整合了学生基础信息与各类考勤次数统计数据，数据经过规整处理，可直接作为聚类模型的标准特征数据源。

2.2 字段详情

名称	说明	类型
id	自增主键	连续（整数）
student_id	学生 ID	连续（整数）
student_name	学生姓名	文本
class_id	班级 ID	连续（整数）
class_name	班级名称	文本
grade	年级	文本 / 分类
gender	性别	二分类
birth_date	出生日期	文本 / 日期
political_status	政治面貌	文本 / 分类
is_boarder	是否住校	二分类
campus_type	校区类型	文本 / 分类
late_count	迟到次数	连续（整数）
early_leave_count	早退次数	连续（整数）
leave_count	请假次数	连续（整数）
uniform_violate_count	校服违规次数	连续（整数）
create_time	统计入库时间	日期时间

2.3 建模思路

结合数据集特征与考勤分群的实际业务需求，确定本次聚类建模方案如下：

数据集维度明确、变量规模适中，本次筛选迟到次数、早退次数、请假次数、校服违规次数四类核心考勤指标参与建模。四类指标业务指向独立、相互关联性弱，不存在变量冗余问题，无需开展复杂降维操作，可直接用于 K-Means 聚类，保障聚类结果易于解读。

参与建模的指标均为非负整数型连续变量，数据类型统一，完全匹配 K-Means 算法使用要求，无需进行哑变量编码、二值化等特殊数据转换，精简数据预处理步骤，提升聚类结果的稳定性。

性别、年级、住校状态等学生基础离散信息不纳入聚类计算，仅在模型输出结果后，作为补充标签辅助完成学生考勤画像解读。

3 实验操作步骤

AI Studio 人工智能平台是一站式大数据智能应用平台，支持通过零代码拖拽式操作完成机器学习全流程，涵盖数据加载、数据预处理、特征工程、模型训练及效果评估等环节。平台内置百余种数据挖掘算法组件，兼容主流深度学习框架，同时提供可视化建模、智能分析、协作共享、版本管理等功能，使用者无需具备专业编程能力，即可高效完成数据挖掘与智能分析工作。

3.1 AI Studio 聚类建模流程

3.1.1 新建工作流

本环节依托 AI Studio 搭建完整业务工作流，串联数据加载、聚类建模、结果导出全流程，为模型运行提供独立的执行环境。

点击页面左侧菜单栏「人工智能」，进入 AI Studio 人工智能平台，跳转至对应功能模块的用户操作空间。

点击“+” - “新建工作流”

3.1.2 数据导入

首先，我们需要将 student_attendance_stats 的数据载入，搜索“数据库加载”、K-means、”数据入库”控件，拖拽至画布

双击“数据库加载”控件，右边会出现参数配置窗口，将团队私有数据库的信息填入，并点击“连接”

在弹出的窗口中，点击下拉框，选择 student_attendance_stats

选择后会自动加载表信息，我们主要是分析各类异常考勤占比的特征，所以只需保留 student_id 、class_id、late_count、early_leave_count、leave_count、uniform_violate_count，其他字段跳过（skip）；为保留的字段选择对应的属性类型，最后点击“确定”

字段对应的属性类型参考如下：

属性名称	属性类型	属性名称	属性类型
id	skip	political_status	skip
student_id	categorical	is_boarder	skip
student_name	skip	campus_type	skip
class_id	categorical	late_count	numeric
class_name	skip	early_leave_count	numeric
grade	skip	leave_count	numeric
gender	skip	uniform_violate_count	numeric
birth_date	skip	create_time	skip

右键数据库加载空间，点击“运行该控件”

运行成功后可右键点击“查看输出结果”

3.1.3 K-Means 聚类建模

创建数据库加载组件到“K-Means”组件的连线

双击“K-Means”组件，配置窗口中，簇数量选择固定3个，其他保持不变

右键运行该控件，查看输出结果，可以看到每个学生分别标记了对应的簇类C1/C2/C3

3.1.4 结果输出与保存

聚类后的数据我们需要保存到数据库中，以便后续使用

创建“K-Means”组件到“数据入库”组件的连线后

双击“数据入库”组件，数据库配置中输入团队私有数据库的参数，并点击“获取表信息”

在弹出的窗口中，选择“新建数据表”，表名称修改为“student_cluster”，并点击“确定”

运行工作流，各控件均运行成功则工作流运行成功

3.2 分析聚类簇编号对应的考勤群体分类

上一步骤输出的聚类簇编号无法确定对应的考勤群体分类，可要通过助睿BI 可视化分析来确定

点击实验平台左边菜单“助睿BI”，进入助睿BI平台

进入助睿BI 平台的首页，可以看到该账户下的数据情况、数据分析处理流程、支持的数据源有哪些
如果是进入的页面是登录页面，可以关闭后，重新从实验平台进入

3.2.1 连接数据源

上一步骤输出的 student_cluster 存放于我们的团队私有数据库中，所以我们需要在助睿BI 平台中创建数据库连接

点击左边菜单中的“数据源”

点击左上角“+” - “新建连接” - “MySQL”

在弹出的窗口中输入自己所在小组在 Uniplore实验平台 的数据库连接账号信息，点击“测试连接”

出现“测试连接成功”表示我们的连接正确，点击“确认”

点击新建的数据库目录，可以看到本次实验所用的学生考勤主题标签表（右键点击-查看表数据，可以预览表内数据）

3.2.2 构建数据集

数据源连接成功后，我们要将需要分析的数据表构建为数据集

点击左边菜单中的“数据集”

点击左上角“+” - “新建数据集”， 在弹窗中输入数据集名称、所属分组、备注信息后点击“确认”

数据集创建成功后，会自动跳到该数据集的配置页面，第一步需要先选择数据源，数据源的第一个选项选择我们刚刚新建的数据源“商业数据分析实验” ，第二个选项则选择student_cluster 所在的目录“labs”

数据源选择完成后，labs目录下的数据表自动出现在画布左边，将student_cluster 拖拽至画布中

查看数据的表结构及数据，为方便进行后续分析，将字段备注分别修改为中文，在student_id的字段备注输入框中输入“学生ID”，并点击“√”保存

其他字段的字段备注按照同样操作进行修改，字段别名参考如下：

原字段名	字段备注
student_id	学生ID
class_id	班级ID
late_count	迟到次数
early_leave_count	早退次数
leave_count	请假次数
uniform_violate_count	没穿校服次数
Cluster	聚类簇编号
Silhouette	轮廓系数

字段别名修改完成后，点击画布左上角“保存”按钮

在保存提示中点击“保存并发布”，只有发布后的数据集才能在工作表中引用

3.2.3 制作工作表

工作表是助睿BI 平台中用于承载可视化图表、完成数据探索与分析的核心单元，是实现数据可视化展示的基础载体。

接下来我们开始制作聚类簇编号对应的考勤群体分类工作表

点击左边菜单中的“工作表”，进入工作表模块

为了方便管理，我们将本次制作的工作表集中存放在一个目录下，点击左上角的“+” - “新建分组”， 在弹窗中输入分组名称、选择所属分组、填写备注信息后点击“确认”

右键或者点击聚类簇对应的考勤画像群体分类分析分组的“…”，在操作列表中点击“新建工作表”， 在弹窗中输入工作表名称为“迟到早退次数的聚类簇分析”、选择所属分组、填写备注信息后点击“确认”

自动跳转到工作表设计页面，数据集选择刚刚创建的“聚类簇编号数据集”

图表类型选择“探索器”

将字段“late_count（迟到次数）”拖拽到X轴，“early_leave_count（早退次数）”拖拽到Y轴

点击图形设置按钮，打开设置面板

在设置面板中，点击颜色区域的“+”，在下拉框中选择“Cluster（聚类簇编号）”，并点击“确认”

点击信息区域的“+”，在下拉框中选择“student_id（学生ID）”，并点击“确认”

将“student_id（学生ID）”设置为“维度”

系统默认限额为2000条数据，因此，需要将限额设置为100%，避免数据过多不显示全部

为了区分更明显，我们可以设置聚类簇编号的颜色，点击颜色区域的设置按钮，切换对比强烈的主题

注：颜色设置后需要点击一下颜色区域外的地方才会生效

点击保存按钮，保存并发布工作表

同样的，重新新建工作表，依次两两分析4个异常考勤次数的3个聚类簇的表现情况

迟到与请假次数的聚类簇分析：

迟到与没穿校服次数的聚类簇分析

早退与请假次数的聚类簇分析：

早退与没穿校服次数的聚类簇分析：

请假与没穿校服次数的聚类簇分析：

3.2.4 搭建仪表盘

为了更好地观察分析以上制作的6个工作表，我们可以将它们放在一起

点击左边菜单“仪表盘”

点击左上角“+” - “新建仪表盘”， 仪表盘名字输入“聚类簇分析”，备注信息输入“聚类簇分析”，点击“确认”

在右边组件与工作表区域，点击“基础组件”， 拖拽一个文本组件到画布中

文本内容输入“聚类簇分析”，并设置字体颜色、字体大小、加粗、居中

鼠标移至文本组件上，组件右下角可以拖动跳转组件大小

为了防止后续位置改变，可以点击右上角图钉图表，固定位置

点击工作表组件显示按钮，切换到“工作表”，将3.2.3节中制作的工作表都拖拽至画布中

拖入完毕后，可以按住图标顶部中间位置拖动图标，并使用鼠标对图表大小和布局进行调整，预期效果如下：

点击保存按钮，保存并发布仪表盘

3.2.5 聚类群体画像分析

结合六组双指标散点图的数据分布规律，对 C1、C2、C3 三个聚类组别进行业务释义，将算法聚类编号转化为具备实际管理意义的学生考勤画像，具体分析如下：

C1（蓝色）：自律优秀群体

该组别数据在迟到、早退、请假、校服违规各项指标组合视图中，均集中在低数值区间，无异常离散数据。此类学生出勤状态良好，纪律观念较强，考勤违规行为极少，是全校考勤表现的标杆群体。

C2（青色）：小幅波动群体

整体数据同样处于低频次范围，相较于 C1 分布更为分散，部分学生存在偶尔请假、未按规定穿着校服的情况，迟到、早退现象基本未出现。该群体整体遵守校纪，仅存在零星轻微考勤问题，只需日常常规提醒即可。

C3（黄色）：纪律重点关注群体

该组别数据存在显著离散特征，在迟到相关组合图表中高频违规记录集中，同时伴随早退、请假、校服违规等多项问题，是唯一出现多类考勤违纪叠加的群体。此类学生考勤问题较为突出，为校园纪律管理中需要重点督导、干预的对象。

聚类组别信息汇总如下表：

聚类簇编号	展示颜色	群体名称	主要特征
C1	蓝色	自律模范型	各项考勤违规次数均处于低位，出勤稳定，自律性强
C2	青色	轻微波动型	迟到、早退情况极少，偶有请假、校服违规行为，整体纪律良好
C3	黄色	纪律高危型	多项考勤违规频次偏高，违纪行为叠加，存在大量极端异常数据

3.3 聚类标签并入学生考勤数据表

将本次聚类得到的群体分类结果，追加至前期生成的学生考勤主题标签表 student_attendance_stats 中。

3.3.1 数据表新增字段

原student_attendance_stats表未收录考勤分组信息，因此在表内增设两个扩展字段：

cluster：用于存储聚类簇编号

attendance_group：用于标注考勤所属群体

进入此前在数据集成平台搭建的 ETL 项目，新建名称为增加考勤主题扩展标签字段的转换流。在操作画布中拖入执行一个 SQL 脚本组件，双击该组件进入配置界面，数据库连接选择团队私有数据库，录入对应 SQL 语句后点击确认完成设置。

SQL如下：

-- 为学生考勤统计表添加聚类结果字段

ALTER TABLE student_attendance_stats

ADD COLUMN cluster VARCHAR(10) NULL DEFAULT NULL COMMENT '聚类簇编号',

ADD COLUMN attendance_group VARCHAR(30) NULL DEFAULT NULL COMMENT '考勤群体分类';

执行转换流：

3.3.2 聚类簇编号数据获取

接下来，我们需要使用 3.1这步骤中 AI Studio 输出的结果表 student_cluster ，xxx

打开上一个实验创建的项目，创建转换流“增加考勤群体分类标签”，将图中组件拖入进画布并连接

双击“表输入”组件，从团队私有数据库中获取 3.1步骤中的分类结果表 student_cluster 的所有SQL 查询语句

3.3.3 字段选择

获取的数据中，我们只需保留 student_id、Cluster 字段

双击“字段选择”组件，点击“移除”选项，并在字段名称下方空白区域右键-点击“获取字段”

选中 student_id、Cluster 字段后右键“删除选中的行”，表述除 student_id、Cluster 外，其他字段均被移除

为了保持和 student_attendance_stats 表中字段类型一致，不影响后续数据更新到 student_attendance_stats，需要将 student_id、class_id 的类型修改为Integer，点击元数据选项，插入2行， student_id、class_id 的配置如下：

最后点击“确认”

3.3.4 聚类簇编号映射

原始聚类簇编号以编号形式存储，可读性差，通过映射转换增加中文说明

双击“值映射”组件，使用的字段名为“Cluster ”， 目标字段名为“attendance_group”

在下方字段值表格空白处右键，点击“插入”， 双击插入的行，在源值中输入“C1”，目标值输入“轻微波动型”，代表将原数据中的“C1”统一映射为“轻微波动型”

同样的，再插入2行，设置：

• 源值：“C2”，目标值：“自律模范型”
• 源值：“C3”，目标值：“纪律高危型”

并点击“确认”

3.3.5 更新学生考勤主题标签

双击“更新”组件，在配置窗口中，数据库连接选择团队私有数据，目标模式为labs

点击目标表后的“浏览”按钮，选择 student_attendance_stats，并点击“确定”

用来查询的关键字表格空白处获取字段，保留 student_id、class_id，表示更新时查询到数据表与流里的字段1相同时，执行更新操作

用来查询的关键字表格空白处获取字段，保留 student_id、class_id，表示更新时查询到数据表与流里的字段1相同时，执行更新操作

更新字段表格空白处获取字段，删除 student_id，这里需要注意，我们在增加扩展字段时，聚类簇编号的字段为cluster，所以在表字段的 Cluster 字段中需要双击后点击下拉框选择正确的表字段

最后的配置如下，表示当数据表的student_id与流里的student_id相同时，将流字段Cluster、attendance_group的值更新到表字段cluster、attendance_group中

3.3.6 运行转换流

点击运行按钮

执行结果和日志：

3.3.7 查看结果

切换“元数据”选项，右键“团队私有数据库”，点击“加载元数据”， 加载成功后点击“数据探查”， 在团队私有数据库中点击 student_attendance_stats ，在点击“查询”，可以看到 cluster、attendance_group的数据已经更新成功了

制作不易，看到这了麻烦给个小心心呗~