EJONS INTERNATIONAL JOURNAL ON MATHEMATICS, ENGINEERING & NATURAL SCIENCES ISSN 2602 - 4136

Quick Access


Bu Dergi DOI ve Crosscheck üyesidir


Summary


KAYIP DEĞERLİ VERİ SETLERİNDE KÜMELEME UYGULAMALARI

Kayıp veri, veri setlerinde bir veya daha fazla değerin elde edilememesi durumudur. Kümeleme analizinin amacı verileri benzerliklerine göre sınıflayarak araştırmacıya özet bilgi sağlamak ve çok fazla olan veri sayısını gruplayarak daha az sayıya indirgemektir. Bu çalışmada, nümerik ve nominal verilerden oluşan on bir ayrı veri setinde farklı kayıp veri oranları kullanılarak üç kümeleme yönteminin performansları karşılaştırılmıştır. Veri setlerinden yüzde beş, yüzde on, yüzde on beş, yüzde yirmi, yüzde yirmi beş ve yüzde otuz oranlarında veriler tamamen rastgele eksiltilerek verilerin doğru kümelenme oranları incelenmiştir. Kayıp veri ile çalışma performansı test edilen yöntemler bölümlemeli kümeleme yöntemlerinden k-ortalamalar ve yapay sinir ağı tabanlı kümeleme yöntemlerinden öz düzenlemeli haritalar- Self Organization Map (SOM) ve doğrusal vektör parçalama modeli- Learning Vektör Quantization (LVQ) dir. Yapılan analizlerin sonuçlarına göre; kayıp veri oranı arttıkça doğru kümelenme oranının azaldığı görülmektedir. Nominal ve nümerik verilerden oluşan iki kümeli dört veri setinde LVQ yönteminin diğer iki yönteme göre daha iyi performans gösterdiği, nümerik verilerden oluşan diğer yedi veri setinde ise SOM yönteminin daha iyi kümeleme yaptığı gözlenmiştir.



Keywords
Kayıp Veri, SOM, LVQ, Kümeleme, k-means

References

Advanced Search


Announcements

    Mart Sayısı

    VERBİS'E KAYIT S�RELERİ HAKKINDA DUYURU | Kırklareli Ticaret ve ...

    Mart ayında yayınlanacak Sayımız için  25 Şubat Tarihine kadar çalişmanızı Yükleyebilirsiniz



Address :Kazakh National Women's Pedagogical University, Almatı, Kazakhistan
Telephone :+7 778 921 0336 - 0 534 349 92 73 Fax :
Email :ejonsjournal@gmail.com

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri