Класифікація, кластеризація і метод найближчих сусідів

Перш ніж ми перейдемо до обговорення конкретних деталей кожного з розглянутих методів та їх реалізації в WEKA, давайте розберемося, для чого використовується цей метод, якими даними він оперує і яку інформацію можна отримати з його допомогою . При обговоренні можливостей кожного з методів ми будемо використовувати нашу модель регресійного аналізу для порівняння можливості нових методів з результатами використання вже знайомого нам підходу.

Для порівняльного аналізу методів ми скористаємося реальними прикладами, які використовують дані дилерського центру BMW і його способи підвищення продажів. Дилерський центр зберігає всі дані про своїх клієнтів, включаючи тих, хто купив BMW, цікавився чи просто зайшов в демонстраційній зал BMW. Мета дилерського центру - підвищити рівень продажів, спираючись на результати інтелектуального аналізу отриманих даних.

Регресійний аналіз

Запитання: «За якою ціною ми повинні продавати новий BMW M5?» Регресійна модель в змозі відповісти на питання про конкретне числове значення. Модель регресійного аналізу в якості незалежних параметрів буде враховувати дані проданих автомобілів BMW і параметри моделі M5, а в якості залежного параметра - вартість автомобілів, проданих дилерським центром. Таким чином, підставивши дані нової моделі BMW в отриману залежність, дилерський центр зможе визначити ціну автомобіля.

Приклад:

Selling Price = $25,000 + ($2900 * Liters in Engine) + ($9000 * isSedan) + ($11,000 * isConvertible) + ($100 * inches of car) + ($22,000 * isM).

Класифікація

Запитання: «Яка ймовірність того, що хтось купить останню модель BMW M5?» Створення класифікаційної моделі (дерева рішень) дозволяє оцінити ймовірність того, що якась людина купить автомобіль моделі M5. В якості вузлів дерева можуть використовуватися такі показники, як вік, рівень доходу, кількість вже наявних машин, сімейний стан, діти, наявність власного будинку або оренда будинку. Параметри конкретної людини будуть використовуватися для проходження по дереву з метою визначення ймовірності покупки M5.

Кластеризація

Запитання: «Який вік покупців, що віддають перевагу сріблястий BMW M5?». Необхідні дані можуть бути отримані при аналізі віку покупців і кольору обраних ними машин. Далі, на підставі отриманих даних, можна зробити висновок, що певна вікова група (наприклад, люди у віці від 22 до 30 років) віддає перевагу певному кольру BMW M5 (75% купують автомобілі синього кольору). Точно так, можна визначити, що інша вікова група (наприклад, люди у віці від 55 до 62 років) віддає перевагу сріблястому BMW (65% купують сріблясті автомобілі, а 20% купують сірі). Аналіз даних дозволить створити кластери за віковими групами і кольорами і визначити залежності між даними.

Метод найближчих сусідів

Питання : «Якщо людина купує автомобіль BMW M5, які ще товари вона може придбати?» Як свідчать статистичні дані, якщо людина купує BMW M5, то досить часто вона бере відповідну за кольором барсетку (подібні дослідження називаються «аналіз ринкового кошика»). Використовуючи подібні дані, дилерський центр може розмістити рекламу відповідних товарів або подати на друк оголошення про знижки на барсетки і сумки відповідного кольору або їх безкоштовну пропозицію всім покупцям M5 в якості одного із способів підвищення кількості продажів.