Klastri analüüs Excelis

Üks majanduse ülesannete lahendamise vahendeid on klastri analüüs. Sellega klassifitseeritakse gruppide kaupa klastrid ja muud andmerajatised. Seda tehnikat saab rakendada Exceli programmis. Vaatame, kuidas seda praktikas tehakse.

Kasutades klastri analüüsi

Klastri analüüsi abil saate proovida proovi uuritava põhjal. Selle peamine ülesanne on jagada mitmemõõtmelise massiivi homogeensete rühmade jaoks. Grupi kriteeriumina rakendatakse paari korrelatsiooni koefitsienti või euklido kaugus objektide vahel vastavalt määratud parameetrile. Kõige lähedasemad üksteise lähedale on rühmitatud.

Kuigi enamasti seda tüüpi analüüsi kasutatakse majanduses, võib seda kasutada ka bioloogias (loomade liigitamiseks), psühholoogia, meditsiini ja paljude teiste inimtegevuse valdkondades. Klastri analüüsi saab rakendada nende eesmärkide saavutamisvahendite standardse komplekti abil.

Näide kasutamisest

Meil on viis objekti, mida iseloomustavad kaks parameetrit uuritud - x ja y.

1. Rakenda nende väärtuste, EVKLide kaugus valem, mis arvutatakse malli:

   = Root ((x2-x1) ^ 2 + (Y2-Y1) ^ 2)



2. See väärtus arvutatakse iga viie objekti vahel. Arvutustulemused paigutatakse vahemaade maatriksisse.



3. Me vaatame, milliste väärtuste vahemaa on kõige vähem. Meie näites on need objektid 1 ja 2. Vahemaa nende vaheline kaugus on 4 123106, mis on väiksem kui mis tahes muude tervituse elementide vahel.



4. Me ühendame selle andmete gruppi ja moodustame uue maatriksi, kus väärtused 1.2 täidavad eraldi elementi. Maatriksi valmistamisel jätame me väiksemate väärtuste eelmise tabeli kombineeritud elemendi jaoks. Me vaatame uuesti, milliste elementide vahemaa on minimaalne. Seekord on 4 ja 5, samuti objekt 5 ja objektide rühm 1.2. Kaugus on 6.708204.



5. Lisage ühisele klastrile määratud elemendid. Me moodustame uue maatriks sama põhimõttega kui eelmisel korral. See tähendab, et me otsime kõige vähem. Seega näeme, et meie andmeid saab jagada kaheks klastriteks. Esimene klaster sisaldab omavahel kõige lähemaid elemente - 1,2,4,5. Teises klastris on meie puhul ainult üks element - 3. See on teiste objektide suhteliselt ühekordselt kasutatav. Klastrite vaheline kaugus on 9,84.

See lõpetab täieliku rühma jagamise protseduuri.

Nagu näete, kuigi üldiselt klastri analüüs ja võib tunduda keeruline menetlus, kuid tegelikult mõistavad selle meetodi nüansid nii raske. Peamine asi on mõista kontserni põhiseadust.