Տնտեսական խնդիրների լուծման գործիքներից մեկը կլաստերի վերլուծությունն է: Դրա հետ միասին, տվյալների զանգվածի կլաստերները եւ այլ օբյեկտները դասակարգվում են խմբերի: Այս մեթոդը կարող է օգտագործվել Excel- ում: Տեսնենք, թե ինչպես է դա կատարվում գործնականում:
Օգտագործելով կլաստերի վերլուծությունը
Կլաստերի վերլուծության միջոցով հնարավոր է իրականացնել նմուշառում, որի հիման վրա ուսումնասիրվում է: Նրա հիմնական խնդիրն այն է, որ բազմաբնույթ զանգվածը բաժանվի միասեռ խմբերի: Որպես խմբավորման չափանիշ, օգտագործվում է զույգերի հարաբերակցության գործակիցը կամ տվյալ ախտորոշմամբ օբյեկտների միջեւ евклидский հեռավորությունը: Մոտակա արժեքները խմբավորված են միասին:
Թեեւ հաճախ այդ տեսակի վերլուծությունը օգտագործվում է տնտեսագիտության մեջ, այն կարող է օգտագործվել կենսաբանության մեջ (կենդանիների դասակարգման համար), հոգեբանության, բժշկության եւ մարդու գործունեության այլ բնագավառներում: Կլաստերի վերլուծությունը կարող է կիրառվել Excel գործիքակազմի օգտագործմամբ:
Օգտագործման օրինակ
Մենք ունենք հինգ օբյեկտ, որոնք բնութագրվում են երկու ուսումնասիրված պարամետրերով ` x եւ y.
- Դիմեք այդ արժեքներին, աշակերտների հեռավորության հեռավոր բանաձեւին, որը հաշվարկվում է կաղապարի մեջ.
= ROOT ((x2-x1) ^ 2 + (y2-y1) ^ 2) - Այս արժեքը հաշվարկվում է հինգ օբյեկտներից յուրաքանչյուրի միջեւ: Հաշվարկման արդյունքները տեղադրվում են հեռավորության վրա:
- Տեսնում ենք, որ միջեւ արժեքները ամենափոքրն են: Մեր օրինակում դրանք օբյեկտ են: 1 եւ 2. Նրանց միջեւ հեռավորությունը 4,123106 է, ինչը պակաս է այս բնակչության ցանկացած այլ տարրերի միջեւ:
- Մենք այս տվյալները միացնում ենք մի խումբ եւ ձեւավորում ենք նոր մատրիցա, որտեղ արժեքները 1,2 որպես առանձին տարր: Մաթրիքսի կազմման ժամանակ նախորդ սեղանի ամենափոքր արժեքները թողեք համակցված տարրերի համար: Կրկին նայենք, որի միջեւ տարրերը հեռավորությունը նվազագույն է: Այս անգամն է 4 եւ 5ինչպես նաեւ օբյեկտ 5 եւ օբյեկտների խումբ 1,2. Հեռավորությունը 6,708204 է:
- Մենք ավելացնում ենք նշված տարրերը ընդհանուր կլաստերին: Մենք նոր սկզբունք ենք ձեւավորում, ինչպես նախորդ անգամ: Այսինքն, մենք փնտրում ենք ամենափոքր արժեքները: Այսպիսով, մենք տեսնում ենք, որ մեր տվյալների հավաքումը կարելի է բաժանել երկու կլաստերների: Առաջին կլաստերում ամենակարեւոր տարրերն են ` 1,2,4,5. Մեր դեպքում երկրորդ կլաստերում կա միայն մեկ տարր, 3. Այն համեմատաբար հեռու է այլ օբյեկտներից: Կլաստերների միջեւ հեռավորությունը 9.84 է:
Սա ավարտում է բնակչությունը խմբերի բաժանելու կարգը:
Ինչպես տեսնում եք, թեեւ ընդհանուր առմամբ կլաստերի վերլուծությունը կարող է բարդ լինել, բայց իրականում դա այնքան էլ դժվար չէ հասկանալ այս մեթոդի նրբությունները: Խմբերի հիմնական ասպեկտը հասկանալու հիմնական խնդիրը:
