Количественные методы принятия решений: кластерный анализ

Задача - изучить применение методов кластерного анализа.

Методы кластеризации используются в качестве статистических инструментов в различных научных областях. Например, многомерная классификация данных широко используется в медицинских исследованиях и психологии. Итак, В.А. Альбахели в исследовании [1] проводит кластерный анализ работы на медицинском оборудовании с целью повышения качества диагностики заболеваний с помощью МРТ. В работе В.П. Пономарева и И.Ю. Белоглазовой проведено исследование показателей крови у пациентов, выполненное на основе группового и факторного анализа [6]. Использование кластерного анализа для обработки данных в психологических исследованиях очевидно из [7]. Автор рассматривает теоретические и методологические вопросы, а также прикладные вопросы о применении этого вида анализа, предлагает варианты разработки методов классификации и способов улучшения алгоритмов анализа данных, реализованных в современных программных пакетах.

Кластерный анализ - это метод группировки объектов в ранее неизвестные группы [4]. Кластерный анализ используется во многих областях, таких как медицина, биология, маркетинг, социология и т. д. Задачами кластерного анализа являются классификация и типология объектов, исследования объектов для удобства использования концептуальных систем, исследования данных на наличие типичных данных, в некотором роде разделены. Целью группового анализа является разделение на группы похожих объектов для изучения данных из конструкции кластера.

Кластерный анализ - это набор методов, позволяющих классифицировать многомерные наблюдения, каждый из которых описывается набором начальных переменных X1, X2, ..., Xm. Кластерный анализ предназначен для разделения набора объектов на однородные группы (кластеры или классы) и приводит к разделению на группы с учетом всех атрибутов группировки одновременно. Это многомерная задача классификации данных [1].

Кластерный анализ, как и другие методы изучения стохастической коммуникации, требует многочисленных сложных вычислений; Лучше проводить с использованием современных информационных систем, в том числе с использованием программного продукта$ (аиИ5гиса 6.0.

Примеры использования кластера включают использование такого программного обеспечения, как: Google, Yandex, Youtube, 1C, ORACLE, CISCO, MSSQL.

Рассмотрим второй пример, использующий решение проблем для кластеризации для поиска информации по указанным параметрам. Результаты поиска генерируются на основе группировки при поиске файлов и сайтов, где показан один из методов группового анализа вычислений. Этот метод знакомит пользователя с помощью быстрого поиска по набору четко известных подмножеств и исключений, которые явно менее актуальны, что увеличивает использование интерфейса по сравнению с использованием простого отсортированного списка.

Следующее программное обеспечение может использоваться для кластерного поиска:

– поисковая машина компании Vivísimo - Clusty; 

– российская поисковая система - Nigma; 

– облачная - Quintura.

Рассмотрим третий пример кластерного анализа на примере нейронных сетей. STATISTICA - современная, мощная и чрезвычайно быстрая среда для создания моделей нейронных сетей. Это программный продукт для нейронных сетей, переведенный на русский язык.