ชุดข้อมูล << (หรือการเก็บรวบรวมข้อมูล) เป็นชุดของรายการในการวิเคราะห์เชิงคาดการณ์ ตัวอย่างเช่นชุดของเอกสารคือชุดข้อมูลที่รายการข้อมูลเป็นเอกสาร ชุดข้อมูลผู้ใช้เครือข่ายสังคม (ชื่ออายุรายการเพื่อนรูปถ่ายเป็นต้น) เป็นชุดข้อมูลที่รายการข้อมูลเป็นโปรไฟล์ของผู้ใช้เครือข่ายสังคม การจัดกลุ่มข้อมูล
คืองานในการแบ่งชุดข้อมูลเป็นชุดย่อยของรายการที่คล้ายกัน รายการสามารถเรียกว่าอินสแตนซ์การสังเกตหน่วยงานหรือวัตถุข้อมูล ในกรณีส่วนใหญ่ชุดข้อมูลจะแสดงในรูปแบบตาราง - ข้อมูล matrix ข้อมูลคือตารางของตัวเลขเอกสารหรือนิพจน์ที่แสดงในแถวและคอลัมน์ดังนี้:
-
แถวนี้บางครั้งเรียกว่า
รายการสิ่งของกรณีหรือข้อสังเกต แต่ละคอลัมน์แสดงถึงลักษณะเฉพาะของรายการ
-
คอลัมน์จะเรียกว่าคุณลักษณะหรือแอตทริบิวต์
การใช้การจัดกลุ่มข้อมูลไปยังชุดข้อมูลจะสร้างกลุ่มของรายการข้อมูลที่คล้ายคลึงกัน กลุ่มเหล่านี้เรียกว่า
clusters - คอลเลกชันของรายการข้อมูลที่คล้ายคลึงกัน ความแรงของความสัมพันธ์ระหว่างสองอย่างหรือมากกว่านั้นสามารถวัดได้เป็น
ความคล้ายคลึงกันวัด: ฟังก์ชันทางคณิตศาสตร์คำนวณความสัมพันธ์ระหว่างสองชุดข้อมูล ผลลัพธ์ของการคำนวณที่เรียกว่า
ค่าความคล้ายคลึงกัน เป็นหลักเปรียบเทียบรายการข้อมูลหนึ่ง ๆ กับรายการอื่น ๆ ทั้งหมดในชุดข้อมูล รายการอื่น ๆ จะคล้ายกันหรือคล้ายกันมากเมื่อเปรียบเทียบกับรายการเฉพาะนั้น
ตัวแทนคลัสเตอร์ พิจารณาชุดข้อมูลที่ประกอบด้วยผลไม้หลายประเภทในตะกร้า ตะกร้ามีผลไม้หลากหลายประเภทเช่นแอปเปิ้ลกล้วยมะนาวและลูกแพร์ ในกรณีนี้ผลไม้เป็นรายการข้อมูล กระบวนการจัดกลุ่มข้อมูลแยกกลุ่มผลไม้ที่คล้ายกันออกจากชุดข้อมูลนี้ (ตะกร้าผลไม้ที่แตกต่างกัน) ขั้นตอนแรกในกระบวนการจัดกลุ่มข้อมูลคือการแปลชุดข้อมูลนี้ลงในเมทริกซ์ข้อมูล: วิธีหนึ่งในการจำลองชุดข้อมูลนี้คือให้แถวแสดงรายการในชุดข้อมูล (ผลไม้) และคอลัมน์แสดงถึงลักษณะหรือคุณลักษณะที่อธิบายรายการ ตัวอย่างเช่นลักษณะของผลไม้อาจเป็นผลไม้ชนิดต่างๆ (เช่นกล้วยหรือแอปเปิ้ล) น้ำหนักสีหรือราคา ในชุดข้อมูลตัวอย่างนี้รายการมีลักษณะสามอย่าง ได้แก่ ชนิดของผลไม้สีและน้ำหนัก
ในกรณีส่วนใหญ่การใช้เทคนิคการจัดกลุ่มข้อมูลกับชุดข้อมูลผลไม้ตามที่อธิบายไว้ข้างต้นช่วยให้คุณ
เรียกกลุ่ม (กลุ่ม) ของรายการที่คล้ายกัน
คุณสามารถบอกได้ว่าผลไม้ของคุณเป็นของกลุ่ม N จำนวน หลังจากนั้นถ้าคุณเลือกผลไม้แบบสุ่มคุณจะสามารถทำคำแถลงเกี่ยวกับรายการนั้นว่าเป็นส่วนหนึ่งของกลุ่ม N ได้
เรียกข้อมูลตัวแทนของคลัสเตอร์ของแต่ละกลุ่ม
-
ในตัวอย่างนี้ตัวแทนกลุ่มจะเลือกประเภทผลไม้จากตะกร้าและวางไว้ข้างๆ ลักษณะของผลไม้ชนิดนี้คือผลไม้ที่ดีที่สุดในกลุ่มนี้ เมื่อคุณจัดกลุ่มข้อมูลเสร็จแล้วชุดข้อมูลของคุณจะถูกจัดระเบียบและแบ่งออกเป็นกลุ่มตามธรรมชาติ
-
การจัดกลุ่มข้อมูลจะแสดงโครงสร้างในข้อมูลโดยแยกกลุ่มตามธรรมชาติออกจากชุดข้อมูล ดังนั้นการค้นพบกลุ่มเป็นขั้นตอนสำคัญในการกำหนดแนวคิดและสมมติฐานเกี่ยวกับโครงสร้างข้อมูลของคุณและทำความเข้าใจกับข้อมูลเหล่านี้ การจัดกลุ่มข้อมูลอาจเป็นวิธีในการสร้างแบบจำลองข้อมูล: แสดงกลุ่มข้อมูลขนาดใหญ่โดยกลุ่มหรือกลุ่มผู้แทน
นอกจากนี้การวิเคราะห์ของคุณอาจต้องการแบ่งแยกข้อมูลออกเป็นกลุ่มของรายการที่คล้ายคลึงกันเช่นเมื่อแบ่งกลุ่มตลาด 999 แบ่งพาร์ติชันเป็นข้อมูลกลุ่มเป้าหมายเช่น 999 ผู้บริโภคที่มีส่วนได้เสียเหมือนกัน (ตัวอย่างเช่นผู้ที่แพ้อาหารเฉพาะ)
การระบุกลุ่มลูกค้าที่คล้ายกันสามารถช่วยคุณพัฒนากลยุทธ์การตลาดที่ตอบสนองความต้องการของกลุ่มเฉพาะได้
นอกจากนี้การจัดกลุ่มข้อมูลยังสามารถช่วยคุณระบุเรียนรู้หรือคาดการณ์ลักษณะของรายการข้อมูลใหม่ ๆ โดยเฉพาะอย่างยิ่งว่าข้อมูลใหม่ ๆ สามารถเชื่อมโยงกับการคาดการณ์ได้อย่างไร ตัวอย่างเช่นใน
การจดจำรูปแบบ การวิเคราะห์รูปแบบในข้อมูล (เช่นรูปแบบการซื้อในบางภูมิภาคหรือกลุ่มอายุ) สามารถช่วยคุณในการพัฒนาระบบวิเคราะห์เชิงคาดการณ์ - ในกรณีนี้จะคาดการณ์ลักษณะของรายการข้อมูลในอนาคตที่สามารถทำได้ พอดีกับรูปแบบที่กำหนดไว้ ตัวอย่างตะกร้าผลใช้การจัดกลุ่มข้อมูลเพื่อแยกแยะระหว่างรายการข้อมูลต่างๆ สมมติว่าธุรกิจของคุณประกอบกระเช้าผลไม้แบบกำหนดเองและผลไม้ที่ไม่รู้จักใหม่ ๆ ถูกนำเข้าสู่ตลาด คุณต้องการเรียนรู้หรือทำนายกลุ่มผลิตภัณฑ์ใหม่ที่จะเป็นของถ้าคุณเพิ่มลงในตะกร้าผลไม้
-
เนื่องจากคุณเคยใช้การจัดกลุ่มข้อมูลกับชุดข้อมูลผลไม้แล้วคุณมีสี่กลุ่มซึ่งช่วยให้สามารถคาดเดาได้ง่ายขึ้นว่ากลุ่มใด (ชนิดของผลไม้ที่เฉพาะเจาะจง) เหมาะสมกับรายการใหม่ สิ่งที่คุณต้องทำคือเปรียบเทียบผลไม้ที่ไม่รู้จักกับตัวแทนอีกสี่กลุ่มและระบุว่ากลุ่มใดเป็นชุดที่ดีที่สุด
-
แม้ว่ากระบวนการนี้อาจดูเหมือนชัดเจนสำหรับบุคคลที่ทำงานกับชุดข้อมูลขนาดเล็ก แต่ก็ไม่ชัดเจนเท่าที่ควรในขนาดใหญ่เมื่อคุณต้องรวบรวมข้อมูลหลายล้านรายการโดยไม่ต้องตรวจสอบแต่ละรายการความซับซ้อนกลายเป็นเลขชี้กำลังเมื่อชุดข้อมูลมีขนาดใหญ่หลากหลายและค่อนข้างไม่ต่อเนื่องซึ่งเป็นเหตุผลว่าทำไมอัลกอริทึมการจัดกลุ่มจึงมีอยู่: คอมพิวเตอร์ทำแบบนั้นได้ดีที่สุด
