Набір даних для weka

Для побудови моделі кластеризації ми знову скористаємося даними дилерського центру BMW. Співробітники центру зібрали дані про усіх відвідувачів демонстраційного залу, машинах, які їх зацікавили, і про те, наскільки часто відвідувачі демонстраційного залу в підсумку купували автомобіль, який їм сподобався. Тепер дилерському центру треба проаналізувати ці дані для того, щоб виділити різні групи відвідувачів і зрозуміти, чи не можна визначити будь-які тенденції в їх поведінці. У нашому прикладі використовується 100 записів, і кожен стовпець описує певний етап, який, як правило, проходить покупець у процесі вибору та придбання автомобіля. Відповідно, значення 1 у стовпці говорить про те, що відвідувач пройшов конкретний етап, а 0 - що відвідувач цей етап не пройшов. Файл з даними у форматі ARFF приведений нижче.

Дані для кластерного аналізу засобами weka

@Attribute Dealership numeric @Attribute Showroom numeric @Attribute ComputerSearch numeric @Attribute M5 numeric @Attribute 3Series numeric @Attribute Z4 numeric @Attribute Financing numeric @Attribute Purchase numeric @Data 1,0,0,0,0,0,0,0 1,1,1,0,0,0,1,0 ...

Кластеризація в weka

Завантажте файл bmw-browsers.arff в WEKA, виконавши ті ж кроки, які ми виконали раніше для відкриття даних у закладці Preprocess. Витратьте кілька хвилин на візуальний аналіз даних, зверніть увагу на атрибути даних, розподіл даних по стовпцях, і так далі. Після завантаження даних ваш екран WEKA повинен виглядати так, як показано на рис. 5.

  Рис. 5. Дані BMW для кластеризації

Оскільки ми хочемо розбити наявні в нас дані на кластери, замість закладки Classify нам буде потрібно закладка Cluster. Натисніть на кнопку Choose і в пропонованому меню виберіть опцію SimpleKMeans (в рамках даної роботи ми будемо користуватися цим методом кластеризації). У результаті вікно WEKA Explorer буде виглядати так, як показано на рис. 6.

  Рис. 6. Алгоритм кластеризації даних BMW

Тепер нам потрібно вибрати необхідні параметри для нашого алгоритму кластеризації. Клацніть на опції SimpleKMeans (дизайн користувальницького інтерфейсу залишає бажати кращого, але працювати з ним можна). Єдиний атрибут алгоритму, який нас цікавить - це поле numClusters, яке вказує на кількість кластерів для розбиття (нагадуємо, що це значення вам потрібно вибрати ще до створення моделі). Змінимо значення за замовчуванням (2) на 5. Постарайтеся запам'ятати послідовність кроків, щоб ви змогли згодом змінити кількість кластерів. Тепер ваше вікно WEKA Explorer має виглядати так, як показано на рис. 7. Натисніть на кнопку OK, щоб зберегти вибрані параметри.

  Рис. 7. Налаштування алгоритму кластеризації

Тепер ми можемо приступити до створення моделі. Як вже зазначалося вище, для розбиття 100 рядків на 5 кластерів за допомогою електронних таблиць було б потрібно декілька годин, проте WEKA видає нам результат менш ніж за секунду. Результат обробки наших даних показаний нижче.