ПРИМЕНЕНИЕ АЛГОРИТМОВ КЛАСТЕРИЗАЦИИ ДЛЯ АНАЛИЗА КЛИЕНТСКОЙ БАЗЫ МАГАЗИНА
Аннотация и ключевые слова
Аннотация (русский):
В данной работе проводится анализ покупателей магазина «БигКар», реализующего запчасти для грузовиков, методами кластеризации. Рассматриваются алгоритмы k-means, g-means, EM и построения сетей Кохонена. Для их выполнения используется аналитическая платформа Loginom Community. На основе данных о продажах за 3 года покупатели распределены на 3 кластера путем реализации алгоритмов k-means, EM и построения самоорганизующейся сети Кохонена. Также выполнены EM-алгоритм с автоматическим определением числа кластеров и g-means, которые разбили покупателей на 9 и 10 кластеров. Анализ получившихся кластеров показал, что для повышения эффективности продаж лучше подходят результаты алгоритмов k-means и Кохонена.

Ключевые слова:
Интеллектуальный анализ данных, кластеризация, сети Кохонена, алгоритм k-means, ЕМ-алгоритм, Data Mining, система Loginom
Список литературы

1. Евдокимова, С.А. Применение методов интеллектуального анализа данных для оценки внешнеэкономической деятельности организации / С.А. Евдокимова, В.С. Копылова // Информатика: проблемы, методология, технологии : материалы XIX международной научно-методической конференции. - Воронеж, 2019. - С. 1118-1121.

2. Novikova, T.P. Economic evaluation of mathematical methods application in the management systems of electronic component base development for forest machines / T.P. Novikova, A.I. Novikov // IOP Conference Series: Earth and Environmental Science. International scientific and practical conference «Forest ecosystems as global resource of the biosphere: calls, threats, solutions» (Forestry-2019). - 2019. - P. 012035.

3. Черезов, Д.С. Обзор основных методов классификации и кластеризации данных / Д.С. Черезов, Н.А. Тюкачев // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. - 2009. - № 2. - С. 25-29.

4. Sokolov, S. Adaptive stochastic filtration based on the estimation of the covariance matrix of measurement noises using irregular accurate observations / S. Sokolov, A. Novikov, M. Polyakova // Inventions. - 2021. - Т. 6, № 1. - P.10. - DOI: https://doi.org/10.3390/inventions6010010.

5. Sokolov S. An approach to optimal synthesis in a conflict problem / S.V. Sokolov, I.V. Shcherban // Journal of Computer and Systems Sciences International. - 2003. - Т. 42, № 5. - P. 692-697.

6. Аналитическая платформа Loginom. - URL: https://loginom.ru/ (дата обращения: 20.12.2020).

7. Tripathi, Sh. Approaches to clustering in customer segmentation / Sh. Tripathi, A. Bhardwaj, E. Poovammal // International Journal of Engineering &Technology. - 2018. - T. 7(3.12). - Pp. 802-807. - DOI:https://doi.org/10.14419/ijet.v7i3.12.16505

8. Новикова, Т.П. Проблемы разработки интеллектуальной информационной системы для предприятий микроэлектроники / Т.П. Новикова // Лесотехнический журнал. - 2016. - Т. 6, № 2 (22). - С. 204-211.

9. Rayala, V. Big data clustering using improvised fuzzy C-means clustering / V. Rayala, S. R. Kalli // Revue d'Intelligence Artificielle. - 2021. - Т. 34(6). - Pp. 701-708. - DOI:https://doi.org/10.18280/RIA.340604

10. Сеньковская, И.С. Автоматическая кластеризация в анализе данных на основе самоорганизующихся карт Кохонена / И.С. Сеньковская, П.В. Сараев // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. - 2011. - № 2 (34). - С. 78-79.

11. Яковлев, В. Б. Анализ данных в аналитической платформе Loginom : учебное пособие / В. Б. Яковлев. - Saarbrücken : LAP LAMBERT, 2020. - 184 с.

Войти или Создать
* Забыли пароль?