Rumah Keuangan Pribadi Dasar-dasar Data Cluster dalam Analisis Prediktif - dummies

Dasar-dasar Data Cluster dalam Analisis Prediktif - dummies

Video: Cara Mudah Uji Validitas Menggunakan SPSS - Full Tutorial 2025

Video: Cara Mudah Uji Validitas Menggunakan SPSS - Full Tutorial 2025
Anonim

A dataset < (atau pengumpulan data) adalah seperangkat item dalam analisis prediktif. Sebagai contoh, satu set dokumen adalah dataset dimana item data adalah dokumen. Satu set informasi pengguna jaringan sosial (nama, usia, daftar teman, foto, dan sebagainya) adalah kumpulan data dimana data adalah profil pengguna jaringan sosial. Pengelompokkan data

adalah pembagian dataset menjadi himpunan bagian dari item serupa. Item juga dapat disebut sebagai contoh, observasi, entitas atau objek data. Dalam kebanyakan kasus, kumpulan data terwakili dalam format tabel - matriks data . Matriks data adalah tabel angka, dokumen, atau ungkapan, yang ditunjukkan dalam baris dan kolom sebagai berikut:

Setiap baris sesuai dengan item tertentu dalam kumpulan data.
  • Baris terkadang disebut item, objek, contoh, atau observasi

    . Setiap kolom mewakili karakteristik tertentu dari sebuah item.

  • Kolom disebut sebagai fitur atau atribut

    . Menerapkan pengelompokkan data ke kumpulan data menghasilkan kelompok item data serupa. Kelompok ini disebut cluster

- kumpulan item data serupa.

Similar

item memiliki hubungan yang kuat dan terukur di antara mereka - sayuran segar, misalnya, lebih mirip satu sama lain daripada makanan beku - dan teknik pengelompokan menggunakan hubungan tersebut dengan kelompok barang-barang. Kekuatan hubungan antara dua atau lebih item dapat dihitung sebagai ukuran kemiripan

: Fungsi matematika menghitung korelasi antara dua item data. Hasil perhitungan tersebut, yang disebut nilai kesamaan, pada dasarnya membandingkan item data tertentu dengan semua item lainnya dalam kumpulan data. Item lainnya akan lebih mirip atau kurang mirip dibandingkan dengan item tertentu.

Persamaan yang dihitung memainkan peran utama dalam menugaskan item ke grup (

cluster ). Setiap kelompok memiliki item yang paling mewakili; Item ini disebut sebagai perwakilan cluster . Pertimbangkan kumpulan data yang terdiri dari beberapa jenis buah dalam keranjang. Keranjang memiliki buah dari berbagai jenis seperti apel, pisang, lemon, dan pir. Dalam hal ini, buah adalah item data. Proses pengelompokan data mengekstrak kelompok buah serupa dari kumpulan data ini (keranjang buah yang berbeda).

Langkah pertama dalam proses pengelompokkan data adalah menerjemahkan dataset ini ke dalam matriks data: Salah satu cara untuk memodelkan dataset ini adalah dengan memiliki baris yang mewakili item dalam kumpulan data (buah); dan kolom mewakili karakteristik, atau fitur, yang menggambarkan item.

Misalnya, fitur buah bisa berupa buah (seperti pisang atau apel), berat, warna, atau harga. Dalam dataset contoh ini, item memiliki tiga fitur: jenis buah, warna, dan berat.

Dalam kebanyakan kasus, menerapkan teknik pengelompokkan data ke kumpulan buah seperti yang dijelaskan di atas memungkinkan Anda untuk

Ambil kelompok (kelompok) item serupa.

  • Anda dapat mengetahui bahwa buah Anda terdiri dari beberapa kelompok. Setelah itu, jika Anda memilih buah acak, Anda akan dapat membuat pernyataan tentang item itu sebagai bagian dari salah satu grup N. Ambil perwakilan kelompok dari masing-masing kelompok.

  • Dalam contoh ini, perwakilan cluster akan memilih satu jenis buah dari keranjang dan menyingkirkannya. Ciri khas buah ini adalah buah yang paling mewakili gugusnya. Setelah selesai berkerumun, kumpulan data Anda diatur dan dibagi menjadi pengelompokan alami.

Pengelompokan data menunjukkan struktur dalam data dengan mengekstrak pengelompokan alami dari kumpulan data. Oleh karena itu, menemukan kumpulan merupakan langkah penting untuk merumuskan gagasan dan hipotesis tentang struktur data Anda dan mendapatkan wawasan untuk memahaminya dengan lebih baik.

Pengelompokan data juga bisa menjadi cara untuk memodelkan data: Ini mewakili kumpulan data yang lebih besar oleh cluster atau perwakilan cluster.

Selain itu, analisis Anda mungkin berusaha memisahkan data ke dalam kelompok item serupa - seperti ketika

segmentasi pasar memproyeksikan data pasar sasaran ke dalam kelompok seperti Konsumen yang memiliki minat yang sama seperti masakan Mediterania)

  • Konsumen yang memiliki kebutuhan bersama (misalnya, mereka yang alergi makanan tertentu)

  • Mengidentifikasi kelompok pelanggan serupa dapat membantu Anda mengembangkan strategi pemasaran yang memenuhi kebutuhan kelompok tertentu.

Selain itu, pengelompokkan data juga dapat membantu Anda mengidentifikasi, mempelajari, atau memprediksi sifat item data baru - terutama bagaimana data baru dapat dikaitkan dengan pembuatan prediksi. Misalnya, dalam

pengenalan pola , menganalisis pola dalam data (seperti pola beli di wilayah atau kelompok usia tertentu) dapat membantu Anda mengembangkan analisis prediktif - dalam hal ini, memprediksi sifat item data masa depan yang dapat cocok dengan pola yang mapan. Contoh keranjang buah menggunakan pengelompokan data untuk membedakan antara item data yang berbeda. Misalkan bisnis Anda merakit keranjang buah yang spesial, dan buah baru yang tidak dikenal diperkenalkan ke pasar. Anda ingin mempelajari atau memprediksi kumpulan item baru yang akan dimiliki jika Anda menambahkannya ke keranjang buah.

Karena Anda telah menerapkan pengelompokkan data ke kumpulan buah, Anda memiliki empat kelompok - yang membuatnya lebih mudah untuk memprediksi cluster mana (jenis buah tertentu) yang sesuai untuk item baru. Yang harus Anda lakukan adalah membandingkan buah yang tidak diketahui ke empat cluster lainnya dan mengidentifikasi cluster mana yang paling sesuai.

Meskipun proses ini mungkin tampak jelas bagi seseorang yang bekerja dengan kumpulan data kecil, ini tidak begitu jelas dalam skala yang lebih besar - bila Anda harus mengumpulkan jutaan item tanpa memeriksa masing-masing.Kompleksitas menjadi eksponensial saat dataset berukuran besar, beragam, dan relatif tidak koheren - itulah sebabnya algoritma clustering ada: Komputer melakukan jenis pekerjaan terbaik.

Dasar-dasar Data Cluster dalam Analisis Prediktif - dummies

Pilihan Editor

Bagaimana Mengkonversi ke Mode Bitmap di Photoshop Elements 12 - dummies

Bagaimana Mengkonversi ke Mode Bitmap di Photoshop Elements 12 - dummies

Kadang Anda mungkin ingin berkonversi gambar ke mode bitmap di Photoshop Elements. Modus bitmap paling sering digunakan dalam seni garis cetak, seperti logo hitam putih, ilustrasi, atau efek hitam putih yang Anda buat dari gambar RGB Anda. Juga, Anda dapat memindai tanda tangan analog Anda sebagai gambar bitmap dan mengimpornya ke yang lain ...

Bagaimana Memperbaiki Distorsi Kamera di Photoshop Elements - dummies

Bagaimana Memperbaiki Distorsi Kamera di Photoshop Elements - dummies

Jika Anda pernah mencoba menangkap yang menjulang pencakar langit atau katedral di lensa kamera Anda, Anda tahu bahwa itu sering melibatkan memiringkan kamera Anda dan meletakkan leher Anda dalam posisi yang tidak wajar. Dan kemudian, setelah semua itu, apa yang Anda berakhir dengan adalah pandangan terdistorsi tentang bangunan yang mengesankan di ...

Bagaimana membuat Novel Grafis di Photoshop Elements 11 - dummies

Bagaimana membuat Novel Grafis di Photoshop Elements 11 - dummies

Filter Novel Grafis baru di Photoshop Elements 11 mengambil sedikit eksperimen untuk mendapatkan efek yang Anda inginkan. Tapi setelah Anda mengatur setting Anda, tampilan ini cukup menarik. Ini menciptakan tampilan ilustratif seolah dilakukan dengan pena atau grafit. Berikut adalah langkah-langkah untuk menerapkan filter Novel Grafis yang baru ...

Pilihan Editor

Menyoroti Peran Terapis dalam Mengobati Gangguan Bipolar - dummies

Menyoroti Peran Terapis dalam Mengobati Gangguan Bipolar - dummies

Setelah psikiater secara efektif mengulang fungsi otak dengan benar Minuman obat, masalah Anda mungkin sebagian besar bisa dipecahkan. Bagi banyak orang dengan gangguan bipolar, bagaimanapun, obat hanya memberikan sedikit kelegaan; Beberapa gejala terus berlanjut dan Anda memerlukan intervensi tambahan untuk mencapai pemulihan yang lebih lengkap. Bahkan jika Anda mengalami kelegaan gejala penuh, sistem Anda mungkin ...

Bagaimana cara menyimpan buku harian mimpi - dummies

Bagaimana cara menyimpan buku harian mimpi - dummies

Buku harian mimpi membantu Anda memantau impian Anda dan menemukan tema atau bagaimana Anda mimpi telah menjadi kenyataan atau berwawasan. Manfaatkan impian Anda dengan mengikuti tip berikut untuk sebuah jurnal mimpi yang berwawasan: Personalisasikan buku harian Anda: Ini bisa rapi dan rapi, buku sketsa besar tanpa garis, buku spiral sederhana, atau ...

Pilihan Editor

Bagaimana Mengenal Seseorang di Facebook - dummies

Bagaimana Mengenal Seseorang di Facebook - dummies

Hal itu terjadi pada semua orang: Setelah beberapa saat, Anda mulai merasa Seperti beberapa orang yang mengacaukan Facebook untuk Anda dan ingin berteman dengan beberapa orang. Mungkin Anda hanya merasa memiliki terlalu banyak teman, atau mungkin Anda dan seorang teman secara sah terpisah. Mungkin Anda mengalami kejatuhan besar dan hanya butuh ...

Cara Memperbarui Daftar Teman Facebook Anda - dummies

Cara Memperbarui Daftar Teman Facebook Anda - dummies

Setelah membuat dan mulai menggunakan daftar Teman Facebook Anda, Anda dapat terus menambahkan orang ke mereka sekaligus Anda menambahkan mereka sebagai teman. Ketika Anda yang mengirim Permintaan Teman, ikuti langkah-langkah ini untuk juga menambahkan orang tersebut ke Daftar Teman tertentu: Dari Timeline-nya, setelah Anda menambahkan dia sebagai ...

Cara mengunggah foto ke Facebook - dummies

Cara mengunggah foto ke Facebook - dummies

Facebook adalah tempat yang tepat untuk menyimpan foto dan video Anda. karena itu adalah tempat dimana sebagian besar teman Anda bisa melihatnya. Jika Anda memiliki beberapa foto yang ingin Anda bagikan dengan cepat, ikuti langkah-langkah ini untuk menampilkannya ke teman Anda: