মাইক্রোসফ্ট এক্সেলে ক্লাস্টার বিশ্লেষণ ব্যবহার করা

Pin
Send
Share
Send

অর্থনৈতিক সমস্যা সমাধানের অন্যতম সরঞ্জাম হ'ল গুচ্ছ বিশ্লেষণ। এর সাহায্যে ক্লাস্টার এবং ডেটা অ্যারের অন্যান্য অবজেক্টগুলিকে গ্রুপে শ্রেণিবদ্ধ করা হয়েছে। এই কৌশলটি এক্সেলে প্রয়োগ করা যেতে পারে। আসুন দেখুন বাস্তবে এটি কীভাবে করা হয়।

ক্লাস্টার বিশ্লেষণ ব্যবহার করে

গুচ্ছ বিশ্লেষণের সাহায্যে, যে গুণটি অধ্যয়ন করা হচ্ছে সে অনুযায়ী নমুনা চালানো সম্ভব। এর মূল কাজটি হ'ল একজাতীয় গ্রুপগুলিতে একটি বহুমাত্রিক অ্যারে বিভক্ত করা। দলবদ্ধকরণের মানদণ্ড হিসাবে, প্রদত্ত প্যারামিটারের সাহায্যে অবজেক্টের মধ্যে একটি জুটি পারস্পরিক সম্পর্ক সহগ বা ইউক্লিডিয়ান দূরত্ব ব্যবহৃত হয়। একে অপরের নিকটতম মানগুলি একসাথে শ্রেণিবদ্ধ করা হয়।

যদিও এই ধরণের বিশ্লেষণ প্রায়শই অর্থনীতিতে ব্যবহৃত হয়, তবে এটি জীববিজ্ঞান (প্রাণীদের শ্রেণিবদ্ধ করতে), মনোবিজ্ঞান, চিকিত্সা এবং মানব ক্রিয়াকলাপের আরও অনেক ক্ষেত্রে ব্যবহার করা যেতে পারে। ক্লাস্টার বিশ্লেষণগুলি এই উদ্দেশ্যে স্ট্যান্ডার্ড এক্সেল টুলকিট ব্যবহার করে প্রয়োগ করা যেতে পারে।

ব্যবহারের উদাহরণ

আমাদের পাঁচটি অবজেক্ট রয়েছে যা দুটি অধ্যয়ন পরামিতি দ্বারা চিহ্নিত - এক্স এবং Y.

  1. আমরা এই মানগুলিতে ইউক্লিডিয়ান দূরত্বের সূত্রটি প্রয়োগ করি, যা টেমপ্লেট অনুযায়ী গণনা করা হয়:

    = মূল ((x2-x1) + 2 + (y2-y1) ^ 2)

  2. এই মানটি পাঁচটি বস্তুর প্রত্যেকটির মধ্যে গণনা করা হয়। গণনার ফলাফল দূরত্বের ম্যাট্রিক্সে স্থাপন করা হয়।
  3. দূরত্বটি সর্বনিম্ন যেটির মধ্যে আমরা মূল্যবোধ করি। আমাদের উদাহরণস্বরূপ, এগুলি বস্তু 1 এবং 2। তাদের মধ্যে দূরত্ব 4.123106, যা এই জনসংখ্যার অন্য কোনও উপাদানের তুলনায় কম।
  4. এই ডেটাটিকে একটি গ্রুপে একত্রিত করুন এবং একটি নতুন ম্যাট্রিক্স গঠন করুন যাতে মানগুলি 1,2 একটি পৃথক উপাদান হিসাবে কাজ। ম্যাট্রিক্স সংকলন করার সময়, আমরা সম্মিলিত উপাদানটির জন্য পূর্ববর্তী টেবিল থেকে ক্ষুদ্রতম মানগুলি ছেড়ে যাই। আবার আমরা দেখতে পাই, কোন উপাদানগুলির মধ্যে দূরত্বটি ন্যূনতম। এই সময় 4 এবং 5পাশাপাশি বস্তু 5 এবং অবজেক্টের গ্রুপ 1,2। দূরত্ব 6,708204।
  5. আমরা নির্দিষ্ট ক্লাস্টারে নির্দিষ্ট উপাদান যুক্ত করি। আমরা আগের সময়ের মতো একই নীতি অনুসারে একটি নতুন ম্যাট্রিক্স গঠন করি। যে, আমরা ক্ষুদ্রতম মান খুঁজছি। সুতরাং, আমরা দেখতে পাচ্ছি যে আমাদের ডেটা সেট দুটি ক্লাস্টারে বিভক্ত করা যেতে পারে। প্রথম ক্লাস্টারে একে অপরের নিকটবর্তী উপাদানগুলি রয়েছে - 1,2,4,5। আমাদের ক্ষেত্রে দ্বিতীয় ক্লাস্টারে কেবল একটি উপাদান উপস্থাপন করা হয়েছে - 3। এটি অন্যান্য বস্তু থেকে তুলনামূলকভাবে অনেক দূরে। গুচ্ছগুলির মধ্যে দূরত্ব 9.84।

এটি জনগোষ্ঠীকে দলে বিভক্ত করার পদ্ধতিটি সম্পূর্ণ করে।

আপনি দেখতে পাচ্ছেন, যদিও সাধারণ ক্লাস্টার বিশ্লেষণ একটি জটিল পদ্ধতির মতো মনে হতে পারে, বাস্তবে, এই পদ্ধতির সংক্ষিপ্তসারগুলি বোঝা এতটা কঠিন নয়। মূল বিষয় হ'ল গ্রুপিংয়ের প্রাথমিক প্যাটার্নটি বোঝা।

Pin
Send
Share
Send