איינער פון די מכשירים פֿאַר סאַלווינג עקאָנאָמיש פּראָבלעמס איז קנויל אַנאַליסיס. מיט זייַן הילף, קלאַסטערז און אנדערע אַבדזשעקץ פון די דאַטן מענגע זענען קלאַסאַפייד אין גרופּעס. דעם טעכניק קענען זיין געווענדט אין עקססעל. זאל ס זען ווי דאָס איז געטאן אין פיר.
ניצן קלאַסטער אַנאַליסיס
מיט דער הילף פון קנויל אַנאַליסיס, עס איז מעגלעך צו דורכפירן מוסטערונג לויט די אַטריביוט וואָס איז געלערנט. זייַן הויפּט אַרבעט איז צו שפּאַלטן אַ מולטידימענסיאָנאַל מענגע אין כאָומאַדזשיניאַס גרופּעס. ווי אַ גרופּע קריטעריאָן, אַ פּאָר קאָראַליישאַן קאָואַפישאַנט אָדער Euclidean ווייַטקייט צווישן אַבדזשעקץ דורך אַ געגעבן פּאַראַמעטער איז געניצט. די וואַלועס קלאָוסאַסט צו יעדער אנדערער זענען גרופּט צוזאַמען.
כאָטש דעם טיפּ פון אַנאַליסיס איז מערסט אָפט געניצט אין עקאָנאָמיק, עס קענען אויך זיין געניצט אין ביאָלאָגי (צו קלאַסאַפיי אַנימאַלס), פּסיכאָלאָגיע, מעדיצין און אין פילע אנדערע געביטן פון מענטשלעך טעטיקייט. קנויל אַנאַליסיס קענען זיין געווענדט מיט די סטאַנדאַרט עקססעל טאָאָלקיט פֿאַר די צוועקן.
באַניץ בייַשפּיל
מיר האָבן פינף אַבדזשעקץ וואָס זענען קעראַקטערייזד דורך צוויי געלערנט פּאַראַמעטערס - רענטגענ און y.
- מיר נוצן די Euclidean ווייַטקייט פאָרמולע צו די וואַלועס, וואָס זענען קאַלקיאַלייטיד לויט די מוסטער:
= וואָרצל ((קס2-קס 1) ^ 2 + (י2-י 1) ^ 2) - דער ווערט איז קאַלקיאַלייטיד צווישן יעדער פון די פינף אַבדזשעקץ. די כעזשבן רעזולטאַטן זענען געשטעלט אין די דיסטאַנסע מאַטריץ.
- מיר קוקן אין וואָס וואַלועס די ווייַטקייט איז דער קלענסטער. אין אונדזער בייַשפּיל, דאָס זענען אַבדזשעקץ 1 און 2. די ווייַטקייט צווישן זיי איז 4.123106, וואָס איז ווייניקער ווי צווישן אנדערע יסודות פון דער באַפעלקערונג.
- פאַרבינדן די דאַטן אין אַ גרופּע און פאָרעם אַ נייַ מאַטריץ אין וואָס די וואַלועס 1,2 שפּילן ווי אַ באַזונדער עלעמענט. ווען מיר צונויפשטעלן די מאַטריץ, מיר לאָזן די סמאָלאַסט וואַלועס פון די פֿריִערדיקע טיש פֿאַר די קאַמביינד עלעמענט. ווידער, צווישן די יסודות, די ווייַטקייט איז מינימאַל. דאָס מאָל איז 4 און 5ווי אויך די כייפעץ 5 און גרופּע פון אַבדזשעקץ 1,2. די ווייַטקייט איז 6,708204.
- מיר לייגן די ספּעסאַפייד עלעמענטן צו דער גענעראַל קנויל. מיר פֿאָרמירן אַ נייַ מאַטריץ לויט דער זעלביקער פּרינציפּ ווי די פריערדיקע מאָל. דאָס הייסט, מיר זוכן די סמאָלאַסט וואַלועס. אזוי, מיר זען אַז אונדזער דאַטן שטעלן קענען זיין צעטיילט אין צוויי קלאַסטערז. דער ערשטער קנויל כּולל די יסודות קלאָוסאַסט צו יעדער אנדערער - 1,2,4,5. אין די רגע קנויל אין אונדזער פאַל, בלויז איין עלעמענט איז דערלאנגט - 3. עס איז לעפיערעך ווייַט פון אנדערע אַבדזשעקץ. די ווייַטקייט צווישן די קלאַסטערז איז 9.84.
דאָס קאַמפּליץ די פּראָצעדור פֿאַר דיוויידינג די באַפעלקערונג אין גרופּעס.
ווי איר קענט, כאָטש אין אַלגעמיין, קנויל אַנאַליסיס קען ויסקומען ווי אַ קאָמפּליצירט פּראָצעדור, אין פאַקט, צו פֿאַרשטיין די נואַנסיז פון דעם אופֿן איז נישט אַזוי שווער. די הויפּט זאַך איז צו פֿאַרשטיין די גרונט מוסטער פון גרופּינג.
