'

Кластерный анализ

Понравилась презентация – покажи это...





Слайд 0

Высшая школа экономики, Москва, 2013 www.hse.ru Кластерный анализ Луппа Александр Зайцева Екатерина Чемакина Анфиса Козырева Екатерина


Слайд 1

Высшая школа экономики, Москва, 2013 Понятие кластерного анализа фото фото Трион, 1939 год – появление кластерного анализа Кластерный анализ – совокупность различных алгоритмов классификации Ключевой вопрос –организация наблюдаемых данных в наглядные структуры (таксономии) Отсутствие процедуры проверки статической значимости 2


Слайд 2

Высшая школа экономики, Москва, 2013 Области применения и методы фото Области: медицина психиатрия арехеология менеджмент 3 Методы: древовидная кластеризация двувходовое объединение метод K средних


Слайд 3

Высшая школа экономики, Москва, 2013 Этапы кластерного анализа фото Отбор выборки для кластеризации Определение множества переменных Вычисление значений той или иной меры сходства между объектами Применение метода кластерного анализа Проверка достоверности результатов 4


Слайд 4

Высшая школа экономики, Москва, 2013 Древовидная кластеризация фото Использование меры сходства и расстояния между анализируемыми объектами Типичный результат – иерархическое дерево 5


Слайд 5

Наблюдения и переменные одновременно вносят вклад в обнаружение осмысленных кластеров 6 Высшая школа экономики, Москва, 2013 Двувходовое объединение фото


Слайд 6

Высшая школа экономики, Москва, 2013 Метод K средних фото 7 Метод K средних строит ровно K различных кластеров, расположенных на возможно больших расстояниях друг от друга


Слайд 7

КЛАСТЕРНЫЙ ПОДХОД К АНАЛИЗУ УРОВНЯ УДОВЛЕТВОРЁННОСТИ ПЕРСОНАЛА МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ Кривошеева Я.В., Пеньков И.А. Инициативы XXI века. 2012. № 4. 8


Слайд 8

Высшая школа экономики, Москва, 2013 Сбор данных фото 9 Метод анкетирования 165 респондентов Изучение удовлетворенности персонала текущими процессами деятельности медицинского центра


Слайд 9

Высшая школа экономики, Москва, 2013 Объект кластеризации – персонал медицинского центра фото 10 Признаки кластеризации: доступность и качество информации корпоративная культура мотивация


Слайд 10

Высшая школа экономики, Москва, 2013 Модель расчета фото 11  


Слайд 11

Высшая школа экономики, Москва, 2013 Кластерный анализ фото 12 Метод сетей Кохонена Метод k-средних Аналитическая платформа Deductor Academic 5.2 Сформировано 3 кластера: кластер 1 – высокая степень удовлетворенности, кластер 2 – средняя степень удовлетворенности, кластер 3 – низкая степень удовлетворенности.


Слайд 12

Высшая школа экономики, Москва, 2013 Кластерный анализ фото 13 Рис. 1. Карта Кохонена для индексов удовлетворенности признаков: а) доступность и качество информации б) корпоративная культура в) мотивация


Слайд 13

Высшая школа экономики, Москва, 2013 Кластерный анализ фото 14 Рис. 2. Карта Кохонена: разделение по кластерам Табл. 1. Характеристика полученных кластеров


Слайд 14

Применение методов кластерного анализа для обработки данных психологических исследований . 15 Савченко Т.Н. Экспериментальная психология 2010. Том. 3, № 2. 67–86


Слайд 15

Высшая школа экономики, Москва, 2013 Сбор данных и объект кластеризации фото 16 Экспертные оценки 9 респондентов Исследование структуры команды (малой группы, ориентированной на решение деловой задачи и состоящей из молодых специалистов (инженеров-программистов), коллективно принимающих решение, выполняющих сложные работы в различном составе и качественном описании характеристик каждой подгруппы


Слайд 16

Высшая школа экономики, Москва, 2013 Сбор данных и объект кластеризации фото 17 Матрица смешения для коллектива из 9 человек


Слайд 17

Высшая школа экономики, Москва, 2013 Матрица расстояний, полученная с использованием метрики Евклида фото 18


Слайд 18

Высшая школа экономики, Москва, 2013 Дерево классификации фото 19 Для определения «естественного» числа кластеров, на которые может быть разбита совокупность объектов применялся следующий критерий: на каждом уровне иерархической кластеризации выполнялось разбиение множества на данное число классов. Для каждой пары кластеров оценивалась отношение среднего внутрикластерного расстояния к межкластерному: Оценка «естественного» разбиения производится по формуле:


Слайд 19

Высшая школа экономики, Москва, 2013 Дерево классификации фото 20


Слайд 20

Высшая школа экономики, Москва, 2013 Усредненные профили классов фото 21 При помощи метода к-среднего реализуется процедура построения усредненных профилей каждого класса, что дает возможность проводить качественный анализ выраженности признаков у представителей каждого класса. 


Слайд 21

Высшая школа экономики, Москва, 2013 Усредненные профили классов фото 22


Слайд 22

Высшая школа экономики, Москва, 2013 Результаты фото 23 Результаты сравнительного анализа, демонстрирующие значимые отличия классов по трем характеристикам: трудовая активность, работоспособность и понимание цели


Слайд 23

Высшая школа экономики, Москва, 2013 Результаты фото 24


Слайд 24

Кластерный анализ рынка модельной обуви города Красноярска Дадакова Е.В., Драганчук Л.С., журнал «Маркетинг в России и за рубежом», №4/2005 25


Слайд 25

Высшая школа экономики, Москва, 2013 Цели и задачи фото 26 Сегментировать целевую аудиторию Составить портрет потребителя: рациональность и эмоции Выровнять карту восприятия товара продавцом и потребителем Оптимизировать рекламные сообщения


Слайд 26

Высшая школа экономики, Москва, 2013 ЗАО «Ионесси» фото 27 Российский производитель обуви Проблема: отрицательное отношение к обуви российского производства Окружение: высоко конкурентная среда Задача: провести поведенческий анализ аудитории


Слайд 27

Высшая школа экономики, Москва, 2013 Выбор признаков сегментирования фото 28 Поведенческие: отношение к продукции предприятия Социально-демографические: пол, возраст, уровень дохода


Слайд 28

Высшая школа экономики, Москва, 2013 Анкета: поведенческие признаки фото 29


Слайд 29

Высшая школа экономики, Москва, 2013 Анкета: соц-дем фото 30


Слайд 30

Высшая школа экономики, Москва, 2013 Модель измерения отношения к продукции фото 31 Аоj = aвij ? eij  гАоj – отношение респондента j к продукции ЗАО «Ионесси» вij –сила мнения респондента j, что продукция ЗАО «Ионесси» имеет характеристику i eij – оценка значимости характеристики i для респондента i = 1, …, n, n – число значимых характеристик j = 1, …, m, m – количество респондентов


Слайд 31

Высшая школа экономики, Москва, 2013 Характеристики продукции фото 32 1.        Высокое качество 2.        Соответствие цены качеству 3.        Достаточно широкий и разнообразный ассортимент 4.        Соответствие тенденциям современной моды


Слайд 32

Высшая школа экономики, Москва, 2013 Определение уровня дохода фото 33 dj = Dj / k dj – ежемесячный доход на одного человека семьи респондента j Dj – ежемесячный доход на семью респондента j k – размер семьи респондента j j = 1, …, m, m – количество респондентов Если dj ? 1500 руб. ? - низким Если 1500 руб. < dj ? 5000 руб. ? – средний Если dj > 5000 руб. ? – высокий


Слайд 33

Высшая школа экономики, Москва, 2013 Сегменты фото 34 Сегмент I — «отрицательно настроенные» потребители. 30% респондентов. 83% женщины. Средний возраст женщин – 32, мужчин – 34 года. Сегмент II — «безразличные» потребители. 53% респондентов. Почти поровну мужчин и женщин (52% и 48%). 66% - от 36 до 55 лет. Сегмент III — «благожелательные» потребители. 17% респондентов. 67% мужчин. Самый старший сегмент: 91% старше 35 лет.


Слайд 34


×

HTML:





Ссылка: