Lar Finanças Pessoais Noções básicas de Clusters de Dados na Análise Preditiva - dummies

Noções básicas de Clusters de Dados na Análise Preditiva - dummies

Vídeo: CURSO DE DATA MINING (MINERAÇÃO DE DADOS) AULA 02 2025

Vídeo: CURSO DE DATA MINING (MINERAÇÃO DE DADOS) AULA 02 2025
Anonim

A conjunto de dados < (ou coleta de dados) é um conjunto de itens na análise preditiva. Por exemplo, um conjunto de documentos é um conjunto de dados onde os itens de dados são documentos. Um conjunto de informações de usuários de redes sociais (nome, idade, lista de amigos, fotos e assim por diante) é um conjunto de dados onde os itens de dados são perfis de usuários de redes sociais. O agrupamento de dados

é a tarefa de dividir um conjunto de dados em subconjuntos de itens similares. Os itens também podem ser referidos como instâncias, observações, entidades ou objetos de dados. Na maioria dos casos, um conjunto de dados é representado no formato da tabela - uma matriz de dados . Uma matriz de dados é uma tabela de números, documentos ou expressões, representada em linhas e colunas da seguinte maneira:

Cada linha corresponde a um determinado item no conjunto de dados.
  • As linhas às vezes são referidas como

    itens, objetos, instâncias ou observações. Cada coluna representa uma característica particular de um item.

  • As colunas são referidas como

    características ou atributos. A aplicação de agrupamento de dados em um conjunto de dados gera grupos de itens de dados semelhantes. Esses grupos são chamados

clusters - coleções de itens de dados semelhantes. têm uma relação forte e mensurável entre eles - os legumes frescos, por exemplo, são mais parecidos uns dos outros do que com os alimentos congelados - e as técnicas de agrupamento usam essa relação com o grupo os itens.

A força de uma relação entre dois ou mais itens pode ser quantificada como uma medida de similaridade :

Uma função matemática calcula a correlação entre dois itens de dados. Os resultados dessa computação, denominados valores de similaridade, , basicamente, comparam um item de dados específico com todos os outros itens no conjunto de dados. Esses outros itens serão mais semelhantes ou menos semelhantes em comparação com esse item específico.

As similaridades calculadas desempenham um papel importante na atribuição de itens a grupos (

clusters

). Cada grupo tem um item que melhor o representa; Este item é chamado de representante de cluster . Considere um conjunto de dados que consiste em vários tipos de frutas em uma cesta. A cesta tem frutos de diferentes tipos, como maçãs, bananas, limões e peras. Neste caso, os frutos são os itens de dados. O processo de agrupamento de dados extrai grupos de frutos similares deste conjunto de dados (cesta de frutas diferentes). O primeiro passo em um processo de agrupamento de dados é traduzir este conjunto de dados para uma matriz de dados: uma maneira de modelar este conjunto de dados é ter as linhas representando os itens no conjunto de dados (frutas); e as colunas representam características ou características que descrevem os itens.

Por exemplo, uma característica de fruta pode ser o tipo de fruta (como uma banana ou maçã), peso, cor ou preço. Neste conjunto de dados de exemplo, os itens possuem três características: tipo de fruta, cor e peso.

Na maioria dos casos, aplicar uma técnica de agrupamento de dados ao conjunto de dados de frutas, conforme descrito acima, permite

Recuperar grupos (clusters) de itens similares.

Você pode dizer que seu fruto é de N número de grupos. Depois disso, se você escolher uma fruta aleatória, você poderá fazer uma declaração sobre esse item como sendo parte de um dos N grupos.

  • Recuperar representantes de cluster de cada grupo. Neste exemplo, um representante de cluster seria escolher um tipo de fruta da cesta e colocá-lo de lado. As características desta fruta são tais que esse fruto melhor representa o cluster ao qual pertence.

  • Quando você terminou de agrupar, seu conjunto de dados é organizado e dividido em agrupamentos naturais. O agrupamento de dados revela estrutura nos dados extraindo agrupamentos naturais de um conjunto de dados. Portanto, descobrir grupos é um passo essencial para a formulação de idéias e hipóteses sobre a estrutura de seus dados e a obtenção de informações para melhor entendê-lo.

O agrupamento de dados também pode ser uma maneira de modelar dados: representa um conjunto maior de dados por clusters ou representantes de cluster.

Além disso, sua análise pode buscar simplesmente particionar os dados em grupos de itens similares - como quando

segmentação de mercado

segmenta dados de mercado-alvo em grupos como Consumidores que compartilham os mesmos interesses (como a cozinha mediterrânea) Consumidores que têm necessidades comuns (por exemplo, aqueles com alergias alimentares específicas)

  • Identificar agrupamentos de clientes similares pode ajudá-lo a desenvolver uma estratégia de marketing que atenda às necessidades de clusters específicos.

  • Além disso, o agrupamento de dados também pode ajudá-lo a identificar, aprender ou prever a natureza dos novos itens de dados - especialmente como novos dados podem ser vinculados com a criação de previsões. Por exemplo, em

reconhecimento de padrões, a análise de padrões nos dados (como padrões de compra em regiões ou grupos etários específicos) pode ajudá-lo a desenvolver análises preditivas - neste caso, prevendo a natureza dos itens de dados futuros que podem encaixar bem com os padrões estabelecidos. O exemplo do cesto de frutas usa o agrupamento de dados para distinguir entre diferentes itens de dados. Suponha que seu negócio assuma cestas de frutas personalizadas e uma nova fruta desconhecida é introduzida no mercado. Você quer aprender ou prever em que grupo o novo item pertencerá se você o adicionar à cesta de frutas. Como você já aplicou o agrupamento de dados no conjunto de dados de frutas, você possui quatro clusters - o que facilita a previsão de qual cluster (tipo específico de fruta) é apropriado para o novo item. Tudo o que você precisa fazer é comparar a fruta desconhecida com os outros representantes de quatro clusters e identificar qual cluster é a melhor combinação.

Embora este processo possa parecer óbvio para uma pessoa que trabalha com um pequeno conjunto de dados, não é tão óbvio em uma escala maior - quando você tem que agrupar milhões de itens sem examinar cada um.A complexidade torna-se exponencial quando o conjunto de dados é grande, diverso e relativamente incoerente - e é por isso que existem algoritmos de agrupamento: os computadores fazem esse tipo de trabalho melhor.

Noções básicas de Clusters de Dados na Análise Preditiva - dummies

Escolha dos editores

Dicas para direcionar seu filme digital - manequins

Dicas para direcionar seu filme digital - manequins

Como diretor, é seu trabalho levar o filme a vida através de da maneira como seus atores interpretam os personagens e como a equipe filme cada tiro. O diretor trabalha com os atores e a equipe para obter o melhor deles e certifique-se de que a história seja contada através do que eles fazem. Dirigindo seu ...

Dez Wedding DSLR Filmmaking Techniques - dummies

Dez Wedding DSLR Filmmaking Techniques - dummies

Usando sua DSLR para filmar um casamento geralmente reside no final oposto da peça criativa espectro de fazer seu filme de autor. Aqui estão os dez melhores aspectos que você precisa considerar para mantê-lo vivo ao capturar esse evento único na vida. Tenha o equipamento de vídeo certo Você não poderá fazer um casamento até ...

Dez dicas para filmes documentários DSLR - dummies

Dez dicas para filmes documentários DSLR - dummies

Um documentário é uma conta de filme de não ficção de um tópico. Para fazer seu documentário DSLR de qualquer comprimento e assunto em algo que as pessoas acham interessante, considere estas dez dicas. Conheça o tópico que pretende filmar Se você está fazendo um filme de duração de duas horas ou um vídeo on-line de dois minutos, você precisa ...

Escolha dos editores

Como lucrar com a mamãe Blogando sem vender - manequins

Como lucrar com a mamãe Blogando sem vender - manequins

Vender é um termo usado para comprometendo sua integridade, princípios ou moral para ganhar dinheiro ou sucesso. O problema é que, se todos tivessem os mesmos princípios e a definição de integridade, não haveria muita necessidade de diferentes partidos políticos ou religiões. As pessoas podem ser acusadas de vender se eles simplesmente fazem coisas como ...

Como usar corretamente palavras-chave para sua comunidade online - manequins

Como usar corretamente palavras-chave para sua comunidade online - manequins

Quando você tem uma boa idéia de os tipos de palavras-chave para usar em sua comunidade online, é hora de escrever o conteúdo para que pareça natural. Muitas pessoas pimenta palavras-chave liberalmente em torno de suas postagens de blog, artigos da web, sobre páginas e outros conteúdos, o que parece bobo e errado. Embora o uso de palavras-chave seja bom ...

Como colocar anúncios no seu blog - manequins

Como colocar anúncios no seu blog - manequins

Para obter anúncios no site do seu blog, os programas que você Inscreva-se para fornecer-lhe geralmente um pouco de código que você insere em seus modelos de site. Alguns programas têm instruções passo-a-passo para pacotes populares de software de blog, mas esteja ciente de que você também precisará consultar a documentação do seu blog para obter ajuda com ...

Escolha dos editores

Exibindo Números como palavras no Excel - manequins

Exibindo Números como palavras no Excel - manequins

Se você já precisou exibir um número escrito como texto , você provavelmente descobriu que o Excel não oferece essa função. Quando o Excel não entrega, muitas vezes é possível corrigir a deficiência usando o VBA. Aqui está uma função VBA, denominada SPELLDOLLARS, que você pode usar nas fórmulas da planilha. Exemplos de Excel Aqui estão ...

Determinando a audiência para seu modelo financeiro - manequins

Determinando a audiência para seu modelo financeiro - manequins

Que estará visualizando ou usando seu modelo financeiro no futuro ? Se for apenas para seu próprio uso, você ainda deve seguir um bom modelo de design, mas não há necessidade de passar muito tempo na formatação para que pareça legal. Você ainda deve adicionar suposições e documentação de origem para o seu próprio ...

Eliminando células e dados no Excel 2007 - dummies

Eliminando células e dados no Excel 2007 - dummies

No Microsoft Office Excel 2007, quando você precisa excluir dados , remova a formatação em uma seleção de célula ou remova células inteiras, linhas ou colunas, você tem muitas opções dependendo do seu objetivo. O Excel pode executar dois tipos de exclusões de células em uma planilha: limpar dados de células e excluir a célula. Limpar o conteúdo da célula Limpar apenas ...