SHLUKOVÁNÍ David Zeman FIT VUT UIFS Získávání znalostí z databází Modelování shlukové analýzy v systému SAS Enterprise Miner TM

Formulace problému Definice dat Shlukovací analýza Vyhodnocení Obsah.Presentace

Úkol: Formulace.Problému Předpokládejme, že máme zpracovat data pro manažera baseballové ligy. Má zájem na rozčlenění hráčů do skupin s ohledem na nasbíraná a dostupná data. Nemá však bližší představu. Zajímá ho jaké skupiny hráčů se objeví a co je charakterizuje. Převzato z Data Mining Using Enterprise Miner TM A Case Study Approach First Edition

Definice dat: Definice.Dat Poskytnutá data jsou nasbírané údaje o hráčích v průběhu jedné sezóny: Jméno, Tým, Pozice, Divize, Počet nástupů na pálku, Počet odpalů, Počet homerunů, Výplata, …

Vložení uzlu pro data: Input.Node

Vložení uzlu pro data: Input.Node

Načtení dat: Input.Node Odmítnutí zbytečných proměnných >> rejected

Vložení uzlu Replacement: Replacement.Node K nahrazení chybějících hodnot Nutné zejména pokud chybí značné množství hodnot

Vložení uzlu Clustering: Cluster.Node

Vložení uzlu Insight: Insight.Node

Nastavení parametrů uzlu Clustering: Cluster.Node Nastavíme požadovaný počet shluků Můžeme zde nastavit i normalizaci jednotek různých vstupů

Spuštění shlukovací analýzy: Cluster.Node Výška : počet pozorování Barva : vzdálenost nejvzdálenějšího prvku shluku od středu

Nastavení parametrů: Cluster.Node Algoritmus K-means v SAS pracuje standardně v rozsahu 40 shluků. V našem případě těžké interpretovat 10 shluků. Snížíme horní hranici na 10 shluků.

Opravení počtu shluků: Cluster.Node

Znovu shlukovací analýza: Cluster.Node

Normalizované středy: Cluster.Node Porovnání celkových normalizovaných středů od středů jednotlivých shluků

Normalizované středy: Cluster.Node

Využití uzlu Insight: Insight.node Obsahuje všechna pozorování Navíc dva sloupečky: Příslušnost ke shluku, Vzdálenost od středu

Grafické znázornění výsledků pomocí uzlu Insight: Insight.node

Výsledek: Interpretace získaných dat Shluk 1 : Hráči patří k nejmladším, s málo zkušenostmi a pravděpodobně malou “životností” Shluk 2 : Starší hráči s průměrnými výsledky Shluk 3 : Hráči, kteří patří k nejzkušenějším, mají lehce nadprůměrné výsledky, ovšem vynikající výsledky za minulý rok, lze předpokládat, že budou ještě dlouho aktivní

Slabá místa: Shrnutí Nutnost volit počet shluků Interpretace výsledků

Děkuji za pozornost Konec.Presentace