Кластерный анализ алгоритмами k-means (k-средних) и g-means (g- средних) по качеству товара на примере продуктов питания (вин)

Период изготовления: декабрь 2020 года.

Предмет: Технологии организации, обработки и хранения статистических данных .

Цель курсовой работы – провести кластерный анализ алгоритмами k-means (к-средних) и g-means (g-средних) по качеству товара на примере продуктов питания (вин). Кластерный анализ актуален для предприятий, включающих в свой ассортимент продукты питания.

Задачи, решаемые в данной курсовой работе:

·                  изучение научной и методической литературы по проблеме кластеризации данных;

·                  предобработка данных;

·                  корреляционный анализ данных;

·                  использование знаний математической статистики с использованием современных средств обработки данных: аналитической платформы Loginom;

·                  кластеризация данных с использованием алгоритмов к-средних (k-means) и g-средних (g-means);

·                  обучение качественному оформлению документации.

Работа была успешно сдана - заказчик претензий не имел.

Готовые работы я могу оперативно проверить на оригинальность по Antiplagiat .ru и сообщить Вам результат.

ВВЕДЕНИЕ 3

ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 5

КЛЮЧЕВЫЕ ПОНЯТИЯ КЛАСТЕРНОГО АНАЛИЗА 5

МЕТОД K-MEANS (К-СРЕДНИХ) 7

МЕТОД G-MEANS (G-СРЕДНИХ) 9

ПОНЯТИЕ КАЧЕСТВА КЛАСТЕРИЗАЦИИ 10

ПРАКТИЧЕСКАЯ ЧАСТЬ 12

ПРЕДОБРАБОТКА ДАННЫХ 13

ОПРЕДЕЛЕНИЕ КОЛИЧЕСТВА КЛАСТЕРОВ 15

КЛАСТЕРИЗАЦИЯ С ИСПОЛЬЗОВАНИЕ МЕТОДА К-СРЕДНИХ 16

КЛАСТЕРИЗАЦИЯ С ИСПОЛЬЗОВАНИЕ МЕТОДА G-СРЕДНИХ 18

ЗАКЛЮЧЕНИЕ 21

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 22

ПРИЛОЖЕНИЕ 24

1. ГОСТ 15467-79 Управление качеством продукции. Основные понятия. Термины и определения. Издательство стандартов, 2016.

2. Ключников, М.В. Технология кластерного анализа финансовых показателей банков / М.В. Ключников. – Москва: Прикладная информатика. Научные статьи, 2015. – 176 с.

3. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. – Москва: Финансы и статистика, 2015. – 471 с.

4. Хайдуков Д. С. Применение кластерного анализа в государственном управлении / Философия математики: актуальные проблемы. – Москва: МАКС Пресс, 2017. – 201 с.

5. Анализ данных и процессов: учеб. пособие / А.А. Барсегян, М.С. Куприянов, И.И. Холод, М.Д. Тесс, С.И. Илизаров. - 3-е издание, – СПб.: БХВ-Петербург, 2015. – 502 с.

6. Бизнес-аналитика: от данных к знаниям: учеб. пособие / Н. Паклин, В. Орешков – 2-е издание, – СПб.: Питер, 2015. – 704 стр.

7. Loginom Help [Электронный ресурс]. – Режим доступа: https://help.loginom.ru/userguide/processors/datamining/em-clustering.html. – Дата доступа: 13.11.2020.

8. Loginom Wiki [Электронный ресурс]. – Режим доступа: https://wiki.loginom.ru/articles/k-means.html?_ga=2.213191572.1864559859.1604399436-257122431.1602702643. – Дата доступа: 13.11.2020.

9. Kaggle [Электронный ресурс]. – Режим доступа: https://www.kaggle.com/danielpanizzo/wine-quality. – Дата доступа: 13.11.2020.

10. Loginom Wiki [Электронный ресурс]. – Режим доступа: https://wiki.loginom.ru/articles/correlation.html. – Дата доступа: 14.11.2020.

11. Alcofan [Электронный ресурс]. – Режим доступа: https://alcofan.com/opredelyaem-kachestvo-vina-prostymi-sposobami.html. – Дата доступа: 14.11.2020.