خوشه بندی داده های شرکت تولیدی به روش مختلف در R به همراه داکیومنت

خوشه بندی داده های شرکت تولیدی

در این بخش پروژه خوشه بندی داده های شرکت تولیدی را با نرم افزار R به همراه داکیومنت آماده کردیم که در ادامه به توضیحات مختصری از این پروژه آماری پرداخته و فیلم و تصاویری از خروجی آن قرار داده شده است.

معرفی پروژه

در این تحلیل قرار است تا داده های 379 شرکت تولیدی را بر اساس 14 بعد انعطاف پذیری تولید خوشه بندی کنیم. برای کلاسبندی داده­ ها از سه روش خوشه ­بندی شامل الگوریتم خوشه بندی سلسله مراتبی (Hierarchical)، الگوریتم رقابت استعماری (ICA) و الگوریتم بردار ماشین پشتیبان (SVM) استفاده نمودیم. ما با استفاده از 3 روش خوشه بندی متفاوت 18 خوشه بندی متفاوت روی داده ها انجام دادیم. برای هر روش خوشه بندی خوشه بندی را از 3 تا 8 خوشه انجام دادیم. سپس با استفاده از شاخص های متفاوت ارزیابی خوشه ها را بررسی نمودیم. نتیجه نهایی به این صورت بود که خوشه SVM با 3 خوشه بر اساس 4 شاخص Calinski_Harabasz ، Dunn  GDI ، Ratkowsky Lance و Wemmert Gancarski بهترین خوشه می باشد.

خوشه بندی سلسله مراتبی چیست ؟

خوشه بندی سلسله مراتبی (Hierarchical Clustering) یک روش جایگزین می باشد که یک سلسله مراتب از پایین به بالا ایجاد می کند و نیازی به تعیین کردن تعداد خوشه ها از قبل نمی باشد. همچنین خوشه بندی سلسله مراتبی مرتبه های روشی می باشد که در دسته بندی داده ها استفاده می شوند. در تکنیک خوشه بندی سلسله مراتبی، به خوشه های آخر با در نظر گرفتن میزان عمومی بودن آنها، ساختاری سلسله مراتبی یا درختی، نسبت داده می شود.

روند عملکرد الگوریتم :

• هر کدام از داده ها را در یک خوشه قرار می ­دهیم، یعنی به تعداد داده ها در ابتدا خوشه داریم.
• مرحله دوم تعیین کردن نزدیکترین دو خوشه از هم دیگر به وسیله ماتریکس فاصله و قرار دادن آن دو خوشه در یک خوشه.
• مرحله سوم شامل تکرار کردن مرحله دوم تا جایی که تنها یک خوشه باقی بماند، این یک خوشه حاوی تمامی داده ها است.

زمانی که همه این مراحل انجام شد، می توان با یک ساختار دندروگرامی آن را نشان داد.

روش خوشه بندی داده ها با استفاده از تکنیک K-means

برای خوشه بندی SVM نیاز است که از یک خوشه بندی اولیه استفاده شود که برای این منظور داده ها به قسمتی از داده ها به عنوان داده های آموزشی انتخاب می شوند و با آموزش مدل و بهینه سازی مدل در مرحله بعد از همه داده ها برای خوشه بندی استفاده می شود. پس مرحله اول خوشه بندی اولیه است که از روش k-means استفاده شد که به طریق زیر عمل شد. الگوریتم K-means یک روش برای آموزش آماری Unsupervised می باشد. این روش یک روش شایع برای دسنه بندی نمونه ها بر اساس پارامترهای مختلف موجود برای نمونه ها می باشد که در مارکتینگ این روش برای ایجاد گروه های مشتری / محصول / بازار استفاده می شود.

تصاویر خروجی پروژه خوشه بندی داده های شرکت تولیدی

شکل 1

شکل 2

شکل 3

شکل 4

شکل 5

شکل 6

شکل 7

شکل 8

شکل 9