Интеллектуальный анализ экономических данных в системе КАРКАС Intelligent analysis of economic data in the system KARKAS

2. Цель работы:
Анализ поиска закономерностей в
базе данных на примере
экономической предметной области.

3. Кластерный анализ
 (кластеризация, таксономия,
самообучение, обучение без учителя)
предназначен для разбиения множества
объектов на заданное или неизвестное
число классов на основании некоторого
математического критерия качества
классификации (cluster — гроздь, пучок,
скопление, группа элементов,
характеризуемых каким-либо общин
свойством).

4. Критерий качества отражают:
внутри групп объекты должны быть
тесно связаны между собой;
объекты разных групп должны быть
далеки друг от друга;
при прочих равных условиях
распределения объектов по группам
должны быть равномерными.

6. алгоритм "К-внутригрупповых
средних"
минимизирует показатель качества,
определяемый как сумма квадратов
расстояний всех точек, входящих в
кластерную область, до центра
кластера. Качество работы этого
алгоритма зависит от числа
выбираемых центров кластеров и от
выбора исходных центров кластеров;

7. модифицируемый алгоритм
"ISODATA"
В принципе аналогичен предыдущему
алгоритму, однако обладает
дополнительными эвристическими
процедурами, позволяющими получать
лучшую оценку качества кластеризации.
В этом алгоритме центрами кластеров
служат выборочные средние,
определяемые итеративно;

8. "агломеративная иерархическая
процедура"
принцип работы которой
состоит в последовательном
объединении объектов, а затем и
целых групп сначала самых
близких, а потом все более и
более отдаленных друг от друга;

9. алгоритм типа "FOREL"
позволяющий методом
последовательных приближений
находить минимальный радиус
гиперсферы, дающий разбиение
совокупности объектов на заданное
число классов.

11.  Выбрать таблицу экономических данных из базы
данных, созданной в Access, по дисциплине "База
данных конечных пользователей".
 Выполнить экспорт таблицы в MS Excel и
сохранить ее в виде файла.
 Загрузить систему "КАРКАС" и перейти на вкладку
"Кластеризация" и выбрать пункт меню "К-
внутригрупповых средних/ISODATA"

12. Кластеризация

13. Загрузить файл с расширением
*.xls

14.  Далее, нажимаем на кнопку "К-
внутригрупповых средних" и в
диалоговом окне указываем число
признаков, по которым производится
кластеризация.

15. Количество центров кластеров

16. Количество объектов для
аномальных кластеров

17. Выбор расстояния между
признаками

18.  Далее, нажимаем на кнопку "Выполнить
расчет KGS" и наблюдаем за
сообщениями на экране.
 После стабилизации работы алгоритма
"К-внутригрупповых средних" можно
просмотреть результаты кластеризации.

19. Просмотр результатов
кластеризации

20. Выводы:
 Представлены результаты кластеризации 7 объектов по
2 признакам. Из самого расположения объектов в
признаковом пространстве следует, что при
вычислительном эксперименте следовало бы выбрать
число кластеров не 1 , а 2.
 Поскольку на рисунке четко выражены 2 кластера:
первый кластер содержит объекты (1 – 4 и 6-7), а
второй кластер содержит один объект 5.
 Но если эксперт считает, что число объектов в
кластерах должно быть больше 1, то результат
кластеризации в этом случае подсказывает, что
имеется 1 кластер форма, которого имеет вид
вытянутого облака.