Օգտագործելով կլաստերի վերլուծություն Microsoft Excel- ում

Տնտեսական խնդիրների լուծման գործիքներից մեկը կլաստերի վերլուծությունն է: Իր օգնությամբ կլաստերը և տվյալների զանգվածի այլ առարկաները դասակարգվում են խմբերի: Այս տեխնիկան կարող է կիրառվել Excel- ում: Տեսնենք, թե ինչպես է դա արվում գործնականում:

Օգտագործելով կլաստերի վերլուծություն

Կլաստերի վերլուծության միջոցով հնարավոր է նմուշառում իրականացնել ըստ ուսումնասիրվող հատկանիշի: Նրա հիմնական խնդիրն է բազմաչափ զանգվածը բաժանել համասեռ խմբերի: Որպես խմբավորման չափանիշ ՝ օգտագործվում է տվյալ պարամետրով առարկաների միջև զույգի հարաբերակցության գործակիցը կամ էվկլիդյան հեռավորությունը: Իրար ամենամոտ արժեքները խմբավորված են միասին:

Չնայած վերլուծության այս տեսակը առավել հաճախ օգտագործվում է տնտեսագիտության մեջ, այն կարող է օգտագործվել նաև կենսաբանության մեջ (կենդանիներին դասակարգելու), հոգեբանության, բժշկության և մարդու գործունեության շատ այլ ոլորտներում: Կլաստերի վերլուծությունը կարող է կիրառվել այս նպատակների համար օգտագործելով ստանդարտ Excel գործիքակազմ:

Օգտագործման օրինակ

Մենք ունենք հինգ առարկա, որոնք բնութագրվում են ուսումնասիրված երկու պարամետրերով. x և յ.

1. Մենք կիրառում ենք էվկլիդյան հեռավորության բանաձևը այս արժեքների վրա, որը հաշվարկվում է ըստ ձևանմուշի.

   = ROOT ((x2-x1) ^ 2 + (y2-y1) ^ 2)



2. Այս արժեքը հաշվարկվում է հինգ օբյեկտներից յուրաքանչյուրի միջև: Հաշվարկի արդյունքները տեղադրվում են հեռավորության մատրիցում:



3. Մենք նայում ենք, թե ո՞ւմ միջև է գնահատում նվազագույն հեռավորությունը: Մեր օրինակում սրանք օբյեկտներ են 1 և 2. Նրանց միջև հեռավորությունը 4.123106 է, ինչը պակաս է այս բնակչության ցանկացած այլ տարրերի միջև:



4. Այս տվյալները միավորեք խմբի մեջ և կազմեք նոր մատրիցա, որում արժեքները 1,2 գործել որպես առանձին տարր: Մատրիցան կազմելիս համակցված տարրի համար մենք թողնում ենք նախորդ աղյուսակից ամենափոքր արժեքները: Կրկին մենք նայում ենք, որի տարրերի միջև հեռավորությունը նվազագույն է: Այս անգամն է 4 և 5ինչպես նաև օբյեկտը 5 և առարկաների խումբ 1,2. Հեռավորությունը 6,708204 է:



5. Մենք նշված տարրերը ավելացնում ենք ընդհանուր կլաստերին: Մենք ստեղծում ենք նոր մատրիցա ՝ նույն սկզբունքով, ինչպես նախորդ անգամ: Այսինքն ՝ մենք փնտրում ենք ամենափոքր արժեքները: Այսպիսով, մենք տեսնում ենք, որ մեր տվյալների հավաքածուն կարելի է բաժանել երկու կլաստերի: Առաջին կլաստերը պարունակում է միմյանց ամենամտերիմ տարրերը. 1,2,4,5. Մեր դեպքում երկրորդ կլաստերում ներկայացված է միայն մեկ տարր. 3. Այն համեմատաբար հեռու է այլ օբյեկտներից: Կլաստերի միջև հեռավորությունը 9.84 է:

Սա լրացնում է բնակչությունը խմբերի բաժանելու կարգը:

Ինչպես տեսնում եք, չնայած ընդհանուր առմամբ կլաստերի վերլուծությունը կարող է թվալ բարդ պրոցեդուրա, փաստորեն, այս մեթոդի նրբությունները հասկանալն այնքան էլ դժվար չէ: Հիմնական բանը `հասկանալ խմբավորման հիմնական օրինաչափությունը: