Сегментування країн Євросоюзу за фінансовою допомогою студентам
DOI:
https://doi.org/10.24144/2616-7700.2024.44(1).106-113Ключові слова:
кластерний аналіз, k-Means, ієрархічна кластеризаціяАнотація
Використання технік кластеризації та їх порівняльного аналізу є невід'ємною складовою сучасних наукових досліджень через їх потенціал у виявленні структур та патернів у складних наборах даних. Ці техніки дозволяють класифікувати об'єкти за схожістю та групувати їх у кластери, що сприяє розумінню прихованих зв'язків та виявленню нових знань. Дослідження присвячено вивченню практичних аспектів використання технік кластеризації у задачі сегментування країн Євросоюзу за фінансовою допомогою студентам і включає в себе порівняльний аналіз методів кластеризації (k-Means, ієрархічної кластеризації), забезпечуючи цим об'єктивність та точність отриманих результатів. Використано різні індекси для визначення оптимальної кількості кластерів, такі як метод ліктя, метод силуету, метод Девіса-Болдіна та індекс Калінскі-Харабаса. Отримано чотири ідентичні кластери за обома методами, отже дані мають виражену структуру, яка однозначно інтерпретується як чотири різні категорії. Такий результат свідчить про консистентність та надійність знайдених кластерів, що додатково підтверджує значущість проведеної змістовної інтерпретації.
Посилання
Gupta, A., Sharma, H., & Akhtar, A. (2021). A comparative analysis of k-means and hierarchical clustering. EPRA International Journal of Multidisciplinary Research (IJMR), 7(8). https://doi.org/10.36713/epra8308
Tokuda, E. K., Comin, C. H., & Costa, L. D. F. (2022). Revisiting agglomerative clustering. Physica A: Statistical mechanics and its applications, 585(126433), 1–17. https://doi.org/10.1016/j.physa.2021.126433
Ahmed, M., Seraj, R., & Islam, S. M. S. (2020). The k-means algorithm: A comprehensive survey and performance evaluation. Electronics, 9(8), 1–12. https://doi.org/10.3390/electronics9081295
Karthikeyan, B., George, D. J., Manikandan, G., & Thomas, T. (2020). A comparative study on k-means clustering and agglomerative hierarchical clustering. International Journal of Emerging Trends in Engineering Research, 8(5), 1600–1604. https://doi.org/10.30534/ijeter/2020/20852020
Saputra, D. M., Saputra, D., & Oswari, L. D. (2020, May). Effect of distance metrics in determining k-value in k-means clustering using elbow and silhouette method. In Sriwijaya international conference oninformation technology and its applications (SICONIAN 2019). Atlantis Press. https://doi.org/10.2991/aisr.k.200424.051
Kondruk, N. E. (2019). A comparative study of cluster validity indices. Radio Electronics. Computer Science. Control. 4, 59–67. https://doi.org/10.15588/1607-3274-2019-4-6
Ashari, I. F., Nugroho, E. D., Baraku, R., Yanda, I. N., & Liwardana, R. (2023). Analysis of Elbow, Silhouette, Davies-Bouldin, Calinski-Harabasz, and Rand-Index Evaluation on K-Means Algorithm for Classifying Flood-Affected Areas in Jakarta. Journal of Applied Informatics and Computing, 7(1), 95–103. https://doi.org/10.30871/jaic.v7i1.4947
Hassan, I. H., Abdullahi, M., & Ali, Y. S. (2021). Analysis of Techniques for Selecting Appropriate Number of Clusters in K-means Clustering Algorithm. International Conference on Computing and Advances in Information Technology. 90–96.
Rachwał, A. et al. (2023). Determining the quality of a dataset in clustering terms. Applied Science, 13(5), 1–20.
Kondruk, N. E. (2018). Use of length-based similarity measure in clustering problems. Radio Electronics. Computer Science. Control, 3(46), 98–105. https://doi.org/10.15588/1607-3274-2018-3-11
Kondruk, N. E., & Malyar, M. M. (2021). Analysis of Cluster Structures by Different Similarity Measures. Cybern. Syst. Anal., 57, 436–441. https://doi.org/10.1007/s10559-021-00368-4
Kondruk, N. E. (2022). Models of multivariate forecasting. Scientific Bulletin of Uzhhorod University. Series of Mathematics and Informatics, 40(1), 168–174. https://doi.org/10.24144/2616-7700.2022.40(1).168-174
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 І. В. Горват, Н. Е. Кондрук, Є. Б. Кондрук, В. А. Нерода
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
