आर्थिक समस्या समाधान गर्न को लागी एक उपकरण क्लस्टर विश्लेषण छ। यसको साथमा, क्लस्टर र डेटा एरेको अन्य वस्तुहरू समूहमा वर्गीकृत छन्। यो प्रविधि एक्सेलमा प्रयोग गर्न सकिन्छ। आउनुहोस् यो कसरी व्यवहारमा गरियो।
क्लस्टर विश्लेषण प्रयोग गर्दै
क्लस्टर विश्लेषणको सहयोगको साथ यो जांच को आधार मा नमूना लगाउन सम्भव छ। यसको मुख्य कार्य बहुमुखीकृत सरणी विभाजन समूहहरुमा विभाजित छ। समूहको लागि एक मापदण्डको रूपमा, जोडा सहसंकेतन गुणांक वा एक्युलेडीन दूरी कुनै दिए प्यारामिटर द्वारा वस्तुहरूको बीचमा प्रयोग गरिन्छ। सबैभन्दा नजिकका मानहरू सँगै समूहबद्ध हुन्छन्।
यद्यपि प्राय: यो प्रकारको विश्लेषण अर्थशास्त्रमा प्रयोग गरिन्छ, यो जीवविज्ञान (पशुहरूको वर्गीकरणको लागि), मनोविज्ञान, दबाइ र मानव गतिविधिका धेरै अन्य क्षेत्रमा पनि प्रयोग गर्न सकिन्छ। क्लस्टर विश्लेषण यस उद्देश्यका लागि एक्सेल टुलकिट प्रयोग गरी लागू गर्न सकिन्छ।
प्रयोग उदाहरण
हामीसँग पाँच वस्तुहरू छन्, जुन दुई अध्ययन गरिएका मापदण्डहरूद्वारा विशेषता छन् - एक्स र y.
- यी मानहरूमा लागू गर्नुहोस् Euclidean दूरी सूत्र, जुन टेम्प्लेटबाट गणना गरिएको छ:
= जट ((x2-x1) ^ 2 + (y2-y1) ^ 2) - यो मान पाँच प्रत्येक वस्तुहरूको बीचमा गणना गरिएको छ। गणना परिणाम दूरी म्याट्रिक्समा राखिएको छ।
- हामी हेर्छौं, कुन दूरी कम्तिमा कम्तीमा छ। हाम्रो उदाहरणमा यी वस्तुहरू छन्। 1 र 2। तिनीहरूको बीचको दूरी 4,123106 हो, जुन यो आबादीको कुनै अन्य तत्वहरूको बीचमा कम छ।
- हामी यो डेटा एक समूहमा संयोजन गर्छौं र नयाँ म्याट्रिक्स बनाउँछौं जसमा मानहरू 1,2 अलग तत्वको रूपमा खडा हुनुहोस्। म्याट्रिक्स संकलन गर्दा, सबै भन्दा कम मानहरू अघिल्लो तालिकाबाट संयुक्त तत्वको लागि छोड्नुहोस्। फेरि हामी हेर्छौं, कुन तत्व कुन दूरीमा कम्तीमा छ। यो समय हो 4 र 5साथै एक वस्तुको रूपमा 5 र वस्तुहरूको समूह 1,2। दूरी 6,708204 छ।
- हामी निर्दिष्ट तत्वहरू साधारण क्लस्टरमा थप्नुहोस्। हामी पहिले नै एउटै सिद्धान्तमा नयाँ म्याट्रिक्स बनाउँछौं। त्यो हो, हामी सबै भन्दा कम मूल्यहरू हेर्छौं। यसरी, हामी हेर्छौं कि हाम्रो डेटा सेट दुई क्लस्टरमा विभाजित गर्न सकिन्छ। पहिलो क्लस्टरमा सबैभन्दा नजिकका तत्वहरू छन् - 1,2,4,5। हाम्रो समस्यामा दोस्रो क्लस्टरमा केवल एक तत्व हो - 3। यो अन्य वस्तुहरूको तुलनामा अपेक्षाकृत छ। क्लस्टरहरू बीचको दूरी 9.84 हो।
यसले जनसंख्या विभाजन गर्न समूहमा विभाजन गर्दछ।
तपाईले देख्न सक्नुहुनेछ, यद्यपि सामान्य क्लस्टर विश्लेषणमा जटिल लाग्न सक्छ, तर वास्तवमा यो विधिको नग्नताहरू बुझ्न गाह्रो छैन। समूहमा संघको आधारभूत ढाँचा बुझ्न मुख्य कुरा।
