Кластерлік талдау қолдану аясы
Кластерлікталдауәртүрлісалалардақолданылады. Бұлкөптегенақпараттыжіктеуқажетболғандапайдалы. КластерлікталдауарқылыжүргізілгенкөптегенжарияланғанзерттеулергешолужасадыХартиган (Хартиган, 1975).
Сонымен, медицинадааурулардыкластерлеу, аурулардынемесеолардыңбелгілерінемдеу, сондай-ақпациенттердің, препараттардыңтаксономиясыжәнет.б. археологиядатасқұрылымдар мен ежелгіобъектілердіңтаксономияларыжәне т. б. маркетингтебұлбәсекелестер мен тұтынушылардысегменттеуміндетіболуымүмкін. Менеджменттекластерлеуміндетініңмысалыперсоналдыәртүрлітоптарғабөлу, тұтынушылар мен жеткізушілердіжіктеу, некепайдаболатынұқсасөндірістікжағдайлардыанықтауболады. Медицинада-симптомдардыңжіктелуі. Әлеуметтанудакластерлеудіңміндеті - респонденттердібіртектітоптарғабөлу.
Маркетингтікзерттеулердекластерлікталдаутеориялықзерттеулерде де, әртүрліобъектілердітоптастырумәселелеріншешетінтәжірибелімаркетологтарда да кеңіненқолданылады. Бұлреттеклиенттертоптары, өнімдержәне т. б. туралымәселелершешіледі.
Data Mining тапсырмаларының классификациясы
Стратегия бойынша жіктеуге сәйкес Data Mining міндеттері келесі топтарға бөлінеді:
* мұғаліммен оқу;
* мұғалімсіз оқыту;
Мұғаліммен бірге оқыту категориясы Data Mining-тің келесі
міндеттерімен ұсынылған: жіктеу, бағалау, болжау. Мұғалімсіз оқыту санаты кластерлеу міндеті болып табылады. "Басқалар" санатына алдыңғы екі стратегияға енгізілмеген міндеттер кіреді.
Пайдаланылған модельдерге байланысты Data Mining тапсырмалары сипаттамалық және болжамды болуы мүмкін.
Осы классификацияға сәйкес Data Mining тапсырмалары сипаттамалық және болжамды тапсырмалар топтарымен ұсынылады.
Болжау және жіктеу.Міндеттерін ашып жазыңыз
Болжау (predictive) деректерді талдауға, модель құруға, жаңа немесе
белгісіз деректердің трендтерін немесе қасиеттерін болжауға негізделген. Жоғарыда аталған жіктеуге жеткілікті жақын-бұл Data Mining міндеттерін келесідей: зерттеу және ашу, болжау және жіктеу, түсіндіружәне сипаттау бөлуге болады.
Do'stlaringiz bilan baham: |