|
Klasterlar sonini va klasterlash usulini tanlash
|
| bet | 8/11 | | Sana | 18.05.2024 | | Hajmi | 2,02 Mb. | | #243133 |
Bog'liq Mudir maqola.en.uz
Har bir klaster haydash uslubi tasnifida haydash uslubini ifodalaydi. Garchi bir nechta tadqiqotlar turli xil usullarni taklif qilgan bo'lsa-da (masalan, sifat ko'rsatkichlarini klasterlash), klaster raqamlarini aniqlash uchun hali ham aniq echim yo'q (Jentlmen va Keri, 2008 yil). Shuning uchun, klaster raqamlari haqida qaror qabul qilish odatda tadqiqotchining fikriga asoslanadi. Ushbu tadqiqotda 3-klasterli tasnif ko'rib chiqiladi, chunki birinchidan, u turli guruhlar o'rtasidagi farqni yaxshiroq taqdim etadi, ikkinchidan, bu mavzu bo'yicha o'tkazilgan o'tgan tadqiqotlarga ko'proq mos keladi (Feng va boshqalar, 2018; Kalsoom va Halim, 2013; Li va boshqalar, 2017; Mohammadnazar va boshqalar, 2021). Tadqiqotda klasterlash usuli o'rtacha siluet kengligi mezonidan foydalangan holda tanlanadi (ASWC), bu ma'lumotlarning qanchalik to'g'riligini ko'rsatadi
nuqtalar klasterlarda guruhlangan.ASWC− 1 dan +1 gacha bo‘lgan oraliqlar va ASWC ning kattaroq qiymatlari klasterlar orasidagi heterojenlik va klaster ichidagi bir xillikka nisbatan yaxshiroq klasterlashni ko‘rsatadi (Kaufman va Russo, 2009 yil). Ob'ektlar guruhlangan deb faraz qilaylik kklasterlar. Shuning uchun, ma'lumotlar nuqtasi siluet koeffitsientixiklasterdaCiquyidagi tenglama yordamida hisoblanadi (Kaufman va Russo, 2009 yil):
Sxi=
bxi−axi
maks(ai x,bxi)
(8)
qayerdaSxiob'ektning siluet koeffitsientini ifodalaydixi,bxidan minimal masofani ko'rsatingxiva qo'shni klasterlardagi ob'ektlar vaax ob'ektli ar orasidagi o'rtacha masofani ko'rsatadi vaxiklasterda. Shuning uchun, klaster uchun siluet (kenglik).jva barcha klasterlar uchun kenglik siluet kengligi (o'rtacha) sifatida quyidagi ikkita tenglama bilan hisoblanadi:
1∑ n
|
| |
