Кластерный анализ

Содержание

Слайд 2

Понятие кластерного анализа фото фото Трион, 1939 год – появление кластерного

Понятие кластерного анализа

фото

фото

Трион, 1939 год – появление кластерного анализа
Кластерный анализ –

совокупность различных алгоритмов классификации
Ключевой вопрос –организация наблюдаемых данных в наглядные структуры (таксономии)
Отсутствие процедуры проверки статической значимости

2

Слайд 3

Области применения и методы фото Области: медицина психиатрия арехеология менеджмент 3

Области применения и методы

фото

Области:
медицина
психиатрия
арехеология
менеджмент

3

Методы:
древовидная кластеризация
двувходовое объединение
метод K средних

Слайд 4

Этапы кластерного анализа фото Отбор выборки для кластеризации Определение множества переменных

Этапы кластерного анализа

фото
Отбор выборки для кластеризации
Определение множества переменных
Вычисление значений той или

иной меры сходства между объектами
Применение метода кластерного анализа
Проверка достоверности результатов

4

Слайд 5

Древовидная кластеризация фото Использование меры сходства и расстояния между анализируемыми объектами

Древовидная кластеризация

фото

Использование меры сходства и расстояния между анализируемыми объектами
Типичный результат –

иерархическое дерево

5

Слайд 6

Наблюдения и переменные одновременно вносят вклад в обнаружение осмысленных кластеров 6 Двувходовое объединение фото

Наблюдения и переменные одновременно вносят вклад в обнаружение осмысленных кластеров

6

Двувходовое объединение

фото

Слайд 7

Метод K средних фото 7 Метод K средних строит ровно K

Метод K средних

фото

7

Метод K средних строит ровно K различных кластеров, расположенных

на возможно больших расстояниях друг от друга
Слайд 8

КЛАСТЕРНЫЙ ПОДХОД К АНАЛИЗУ УРОВНЯ УДОВЛЕТВОРЁННОСТИ ПЕРСОНАЛА МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ 8

КЛАСТЕРНЫЙ ПОДХОД К АНАЛИЗУ УРОВНЯ УДОВЛЕТВОРЁННОСТИ ПЕРСОНАЛА МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ

8

Слайд 9

Сбор данных фото 9 Метод анкетирования 165 респондентов Изучение удовлетворенности персонала текущими процессами деятельности медицинского центра

Сбор данных

фото

9

Метод анкетирования
165 респондентов
Изучение удовлетворенности персонала текущими процессами деятельности медицинского центра

Слайд 10

Объект кластеризации – персонал медицинского центра фото 10 Признаки кластеризации: доступность

Объект кластеризации –
персонал медицинского центра

фото

10

Признаки кластеризации:
доступность и качество информации
корпоративная культура
мотивация

Слайд 11

Модель расчета фото 11

Модель расчета

фото

11

 

Слайд 12

Кластерный анализ фото 12 Метод сетей Кохонена Метод k-средних Аналитическая платформа

Кластерный анализ

фото

12

Метод сетей Кохонена
Метод k-средних
Аналитическая платформа Deductor Academic 5.2
Сформировано 3 кластера:
кластер

1 – высокая степень удовлетворенности,
кластер 2 – средняя степень удовлетворенности,
кластер 3 – низкая степень удовлетворенности.
Слайд 13

Кластерный анализ фото 13 Рис. 1. Карта Кохонена для индексов удовлетворенности

Кластерный анализ

фото

13

Рис. 1. Карта Кохонена для индексов удовлетворенности признаков:
а) доступность

и качество информации
б) корпоративная культура
в) мотивация
Слайд 14

Кластерный анализ фото 14 Рис. 2. Карта Кохонена: разделение по кластерам Табл. 1. Характеристика полученных кластеров

Кластерный анализ

фото

14

Рис. 2. Карта Кохонена: разделение по кластерам

Табл. 1. Характеристика полученных

кластеров
Слайд 15

Применение методов кластерного анализа для обработки данных психологических исследований . 15

Применение методов кластерного анализа для обработки данных психологических исследований

.

15

Слайд 16

Сбор данных и объект кластеризации фото 16 Экспертные оценки 9 респондентов

Сбор данных и объект кластеризации

фото

16

Экспертные оценки
9 респондентов
Исследование структуры команды (малой группы,

ориентированной на решение деловой задачи и состоящей из молодых специалистов (инженеров-программистов), коллективно принимающих решение, выполняющих сложные работы в различном составе и качественном описании характеристик каждой подгруппы
Слайд 17

Высшая школа экономики, Москва, 2013 Сбор данных и объект кластеризации фото

Высшая школа экономики, Москва, 2013

Сбор данных и объект кластеризации

фото

17

Матрица смешения для

коллектива из 9 человек
Слайд 18

Матрица расстояний, полученная с использованием метрики Евклида фото 18

Матрица расстояний, полученная с использованием метрики Евклида

фото

18

Слайд 19

Дерево классификации фото 19 Для определения «естественного» числа кластеров, на которые

Дерево классификации

фото

19

Для определения «естественного» числа кластеров, на которые может быть разбита

совокупность объектов применялся следующий критерий: на каждом уровне иерархической кластеризации выполнялось разбиение множества на данное число классов. Для каждой пары кластеров оценивалась отношение среднего внутрикластерного расстояния к межкластерному:
Оценка «естественного» разбиения производится по формуле:
Слайд 20

Дерево классификации фото 20

Дерево классификации

фото

20

Слайд 21

Усредненные профили классов фото 21 При помощи метода к-среднего реализуется процедура

Усредненные профили классов

фото

21

При помощи метода к-среднего реализуется процедура построения усредненных профилей

каждого класса, что дает возможность проводить качественный анализ выраженности признаков у представителей каждого класса. 
Слайд 22

Усредненные профили классов фото 22

Усредненные профили классов

фото

22

Слайд 23

Результаты фото 23 Результаты сравнительного анализа, демонстрирующие значимые отличия классов по

Результаты

фото

23
Результаты сравнительного анализа, демонстрирующие значимые отличия классов по трем характеристикам: трудовая

активность, работоспособность и понимание цели
Слайд 24

Результаты фото 24

Результаты

фото

24

Слайд 25

Кластерный анализ рынка модельной обуви города Красноярска 25

Кластерный анализ рынка модельной обуви города Красноярска

25

Слайд 26

Цели и задачи фото 26 Сегментировать целевую аудиторию Составить портрет потребителя:

Цели и задачи

фото

26
Сегментировать целевую аудиторию
Составить портрет потребителя: рациональность и эмоции
Выровнять карту

восприятия товара продавцом и потребителем
Оптимизировать рекламные сообщения
Слайд 27

ЗАО «Ионесси» фото 27 Российский производитель обуви Проблема: отрицательное отношение к

ЗАО «Ионесси»

фото

27

Российский производитель обуви
Проблема: отрицательное отношение к обуви российского производства
Окружение: высоко

конкурентная среда
Задача: провести поведенческий анализ аудитории
Слайд 28

Выбор признаков сегментирования фото 28 Поведенческие: отношение к продукции предприятия Социально-демографические: пол, возраст, уровень дохода

Выбор признаков сегментирования

фото

28
Поведенческие: отношение к продукции предприятия
Социально-демографические: пол, возраст, уровень дохода

Слайд 29

Анкета: поведенческие признаки фото 29

Анкета: поведенческие признаки

фото

29

Слайд 30

Анкета: соц-дем фото 30

Анкета: соц-дем

фото

30

Слайд 31

Модель измерения отношения к продукции фото 31 Аоj = åвij ×

Модель измерения отношения к продукции

фото

31

Аоj = åвij × eij 
гАоj – отношение респондента j к продукции ЗАО

«Ионесси»
вij –сила мнения респондента j, что продукция ЗАО «Ионесси» имеет характеристику i
eij – оценка значимости характеристики i для респондента
i = 1, …, n, n – число значимых характеристик
j = 1, …, m, m – количество респондентов
Слайд 32

Характеристики продукции фото 32 1. Высокое качество 2. Соответствие цены качеству

Характеристики продукции

фото

32

1.        Высокое качество
2.        Соответствие цены качеству
3.        Достаточно широкий и разнообразный

ассортимент
4.        Соответствие тенденциям современной моды
Слайд 33

Определение уровня дохода фото 33 dj = Dj / k dj

Определение уровня дохода

фото

33

dj = Dj / k
dj – ежемесячный доход на одного человека

семьи респондента j
Dj – ежемесячный доход на семью респондента j
k – размер семьи респондента j
j = 1, …, m, m – количество респондентов
Если dj £ 1500 руб. Þ - низким
Если 1500 руб. < dj £ 5000 руб. Þ – средний
Если dj > 5000 руб. Þ – высокий
Слайд 34

Сегменты фото 34 Сегмент I — «отрицательно настроенные» потребители. 30% респондентов.

Сегменты

фото

34

Сегмент I — «отрицательно настроенные» потребители. 30% респондентов. 83% женщины. Средний

возраст женщин – 32, мужчин – 34 года.
Сегмент II — «безразличные» потребители. 53% респондентов. Почти поровну мужчин и женщин (52% и 48%). 66% - от 36 до 55 лет.
Сегмент III — «благожелательные» потребители. 17% респондентов. 67% мужчин. Самый старший сегмент: 91% старше 35 лет.