🔍 Поиск готовых работ

🔍 Поиск работ

Кластерный анализ алгоритмами k-means (k-средних) и g-means (g- средних) по качеству товара на примере продуктов питания (вин) (Технологии организации, обработки и хранения статистических данных, Российский технологический университет)

Работа №99234

Тип работы

Курсовые работы

Предмет

статистика

Объем работы22
Год сдачи2022
Стоимость500 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
52
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 3
ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 5
КЛЮЧЕВЫЕ ПОНЯТИЯ КЛАСТЕРНОГО АНАЛИЗА 5
МЕТОД K-MEANS (К-СРЕДНИХ) 7
МЕТОД G-MEANS (G-СРЕДНИХ) 9
ПОНЯТИЕ КАЧЕСТВА КЛАСТЕРИЗАЦИИ 10
ПРАКТИЧЕСКАЯ ЧАСТЬ 12
ПРЕДОБРАБОТКА ДАННЫХ 13
ОПРЕДЕЛЕНИЕ КОЛИЧЕСТВА КЛАСТЕРОВ 15
КЛАСТЕРИЗАЦИЯ С ИСПОЛЬЗОВАНИЕ МЕТОДА К-СРЕДНИХ 16
КЛАСТЕРИЗАЦИЯ С ИСПОЛЬЗОВАНИЕ МЕТОДА G-СРЕДНИХ 18
ЗАКЛЮЧЕНИЕ 21
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 22
ПРИЛОЖЕНИЕ 24

Экономическая сфера с каждым годом претерпевает все большие изменения. Для того чтобы не оказаться позади конкурентов, необходимо правильно выстраивать структуру своего бизнеса, одной из важных частей которого является ценообразование. Необходимо установить цены так, чтобы товар соответствовал качеству и ресурсам, потраченным на его изготовление.
Качество товара является одной из его основополагающих характеристик, оказывающих решающее влияние на создание потребительских предпочтений и формирование конкурентоспособности.
Поэтому данная тема курсовой работы является актуальной для сферы продаж товаров разного рода.
Цель курсовой работы – провести кластерный анализ алгоритмами k-means (к-средних) и g-means (g-средних) по качеству товара на примере продуктов питания (вин). Кластерный анализ актуален для предприятий, включающих в свой ассортимент продукты питания.
Задачи, решаемые в данной курсовой работе:
• изучение научной и методической литературы по проблеме кластеризации данных;
• предобработка данных;
• корреляционный анализ данных;
• использование знаний математической статистики с использованием современных средств обработки данных: аналитической платформы Loginom;
• кластеризация данных с использованием алгоритмов к-средних (k-means) и g-средних (g-means);
• обучение качественному оформлению документации.



Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

По мере развития экономических реформ в России все большее внимание уделяется качеству. В настоящее время одной из серьезных проблем для российских предприятий является создание системы качества, позволяющей обеспечить производство конкурентоспособной продукции. Одной из важных особенностей рынка продуктов является правильное ценообразование. Очередной товар (объект) необходимо отнести к верному ценовому сегменту в зависимости от его качества.
В результате данного курсового проекта проведен кластерный анализ товаров на примере вин по качеству двумя различными методами – к-средних и g-средних с использованием low-code платформы Loginom.
Если аналитику заранее известно количество кластеров, то более точным алгоритмом для решения задачи кластеризации будет алгоритм к-средних. Если же количество кластеров предварительно неизвестно, то оптимальным решением задачи кластеризации будет метод g-средних, который освобождает аналитика от выбора количества кластеров.
Цель – провести кластерный анализ алгоритмами k-means (к-средних) и g-means (g-средних) по качеству товара на примере продуктов питания (вин) – достигнута.
В ходе данной курсовой работы выполнены следующие задачи:
• изучена научная и методическая литература по проблеме кластеризации данных;
• выполнена предобработка данных;
• корреляционный анализ данных;
• использованы знания математической статистики с применением современных средств обработки данных: аналитической платформы Loginom;
• выполнена кластеризация данных с использованием алгоритмов к-средних (k-means) и g-средних (g-means);
• пройдено обучение качественному оформлению документации.



1. ГОСТ 15467-79 Управление качеством продукции. Основные понятия. Термины и определения. Издательство стандартов, 2016.
2. Ключников, М.В. Технология кластерного анализа финансовых показателей банков / М.В. Ключников. – Москва: Прикладная информатика. Научные статьи, 2015. – 176 с.
3. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. – Москва: Финансы и статистика, 2015. – 471 с.
4. Хайдуков Д. С. Применение кластерного анализа в государственном управлении / Философия математики: актуальные проблемы. – Москва: МАКС Пресс, 2017. – 201 с.
5. Анализ данных и процессов: учеб. пособие / А.А. Барсегян, М.С. Куприянов, И.И. Холод, М.Д. Тесс, С.И. Илизаров. - 3-е издание, – СПб.: БХВ-Петербург, 2015. – 502 с.
6. Бизнес-аналитика: от данных к знаниям: учеб. пособие / Н. Паклин, В. Орешков – 2-е издание, – СПб.: Питер, 2015. – 704 стр.
7. Loginom Help [Электронный ресурс]. – Режим доступа: https://help.loginom.ru/userguide/processors/datamining/em-clustering.html. – Дата доступа: 13.11.2020.
8. Loginom Wiki [Электронный ресурс]. – Режим доступа: https://wiki.loginom.ru/articles/k-means.html?_ga=2.213191572.1864559859.1604399436-257122431.1602702643. – Дата доступа: 13.11.2020.
9. Kaggle [Электронный ресурс]. – Режим доступа: https://www.kaggle.com/danielpanizzo/wine-quality. – Дата доступа: 13.11.2020.
10. Loginom Wiki [Электронный ресурс]. – Режим доступа: https://wiki.loginom.ru/articles/correlation.html. – Дата доступа: 14.11.2020.
11. Alcofan [Электронный ресурс]. – Режим доступа: https://alcofan.com/opredelyaem-kachestvo-vina-prostymi-sposobami.html. – Дата доступа: 14.11.2020.

Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ
.