Тема бизнес плана: 4 ЛАБОРАТОРНАЯ РАБОТА «АНАЛИТИЧЕСКАЯ ПЛАТФОРМА DEDUCTOR. КЛАСТЕРИЗАЦИЯ, КЛАССИФИКАЦИЯ»

Дисциплина: "Экспертные и интеллектуальные системы"

Оценка - 5

Работа сдавалась в 2021г.

«АНАЛИТИЧЕСКАЯ ПЛАТФОРМА DEDUCTOR. КЛАСТЕРИЗАЦИЯ, КЛАССИФИКАЦИЯ»

ОТЧЕТ
Кластеризации и классификации данных автомобилей.
1. Рассмотрим реализацию в Deductor. Импортируем в программу данные из файла «База1.txt» (рисунок 1).
2. Проводим кластеризацию методом g-means, следуя мастеру обработки данных.
Столбец Car – значение информационное. Для начала попробуем провести кластеризацию автомобилей, встроенными методами кластеризации g-means, k-means. Отличие кластеризации k-means от g- means в том, что если количество кластеров известно, то применяется алгоритм k-means, в противном случае g-means, который определит это количество автоматически в рамках заданного интервала. Сначала выполним кластеризацию методом g-means, т.е. не будем указывать количество кластеров, на которое необходимо разделить данную выборку

На рисунке 2 видно (визуализатор «Профили кластеров»), что алгоритм g-means выделил семь кластеров, но кластеры неравномерные (26,1%, 20,2%, 18,0%, 16,3%, 9,1%, 6,9%, 3,4%). С помощью этого визуализатора можно также увидеть значимость признаков (полей) при разбиении на кластеры.
Визуализатор «Что-если» позволяет провести эксперимент, введя любые значения признаков (полей). Если же нажать кнопку «Загрузить данные» из исходной выборки (рисунок 3), то можно заметить неточности определения кластеров из-за схожих признаков.

3.Проводим кластеризацию методом k-means, следуя мастеру обработки данных.
Выполним кластеризацию методом k-means. Укажем фиксированное количество кластеров – 7 (рисунок 4). На рисунке 6 приведен результат в визуализаторе «Профили кластеров». Выделено 7 кластеров, значения немного изменились (26,4%, 20,2%, 16,0%, 11,6%, 10,3%, 7,9%, 7,6%).