В настоящее время практически не существует области интересов человека, в которой не существовало бы в той или иной степени потребности в обработке данных. В силу этого задача выбора оптимального метода обработки данных зачастую является очень важной, особенно в тех случаях, когда необходима экспресс-оценка данных, приходящих из различных источников, как, например, социологии, метеорологии и т.д. Тем более, что зачастую в подобных задачах поступающие данные могут отличаться как по объему, так и по характеру.
Для этих целей существуют специальные математические методы, которые называются методами многомерной классификации, или методами кластерного анализа. Многомерная классификация представляет собой разбиение объектов на классы, в котором каждый объект может быть отнесен к нескольким классам, в зависимости от числа критериев разбиения.
Важным свойством этого метода является возможность представления результата в виде иерархической структуры. Иногда подход кластерного анализа называют в литературе численной таксономией, численной классификацией, распознаванием с самообучением.
Чтобы купить дипломную работу недорого , нужно зайти на сайт Work5.
Первое применение кластерный анализ нашел в социологии. Название кластерный анализ происходит от английского слова cluster – гроздь, скопление.
Главное назначение кластерного анализа – разбиение множества исследуемых объектов и признаков на однородные в соответствующем понимании группы или кластеры. То есть предполагает решение задача классификации данных, а также выявления их соответствующей структуры. Методы кластерного анализа применимы в различных случаях, даже тогда, когда необходима простая группировка по количественному сходству. Большое достоинство кластерного анализа в том, что он позволяет производить разбиение объектов не по одному параметру, а по целому набору признаков. Кроме того, кластерный анализ в отличие от большинства математико-статистических методов не накладывает никаких ограничений на вид рассматриваемых объектов и позволяет рассматривать множество исходных данных практически произвольной природы. Это имеет большое значение, например, для прогнозирования конъюнктуры, когда показатели имеют разнообразный вид, затрудняющий применение традиционных эконометрических подходов.
Кластерный анализ позволяет рассматривать достаточно большой объем информации и резко сокращать, сжимать большие массивы социально-экономической информации, делать их компактными и наглядными. Кластерный анализ очень важен для применения к совокупностям временных рядов, характеризующих экономическое развитие (например, общехозяйственной и товарной конъюнктуры), поэтому данная тема является актуальной.
Целью курсовой работы является изучение теоретических и практических вопросов проведения кластерного анализа данных.
Для достижения поставленной цели необходимо решить следующие задачи: изучить понятие кластерного анализа, его виды, сферы использования, применяемые методы и оценки, на практике провести кластеризацию произвольных данных с помощью офисной программы MS Excel.
Предмет исследования классификация данных с помощью кластерного анализа, объект исследования кластеризация данных с помощью программы MS Excel.
В работе используются следующие методы исследования: анализ, синтез, сравнение, наблюдение, индукция, прогнозирование, дедукция экономические и статистические методы.
Работа состоит из введения, двух глав, заключения и списка использованной литературы.
25 страниц
74% уникальность
2022 год
2095 просмотров
