Issn 305-9397. Ғылым және білім. 2022. №1-1 (66) issn 2305-9397
Зерттеу материалдары мен әдістері
жүктеу/скачать 7.12 Mb. Pdf көрінісі
|
- Бұл бет үшін навигация:
- ISSN 2305-9397. Ғылым және білім. 2022. № 3-3 (68)____ _
| Зерттеу материалдары мен әдістері. Зерттеу объектісі ретінде Жәнгір хан атындағы
Батыс Қазақстан аграрлық техникалық университетінің «Ақпараттық жҥйелер және технологиялар» мамандығының студенттерінің 3 жылдық оқу ҥлгерімі бойынша мәліметтер алынып Data Mining технологиясы арқылы талдау жҥргізілді. Деректерді талдау қҧралы ретінде Statistica қолданбалы бағдарламалар пакеті қолданылды: Statistica Base, StatisticaAdvanced, деректерді ӛндіруге арналған қҧралдар Data Mining, SANN автоматтандырылған нейрондық желілер. StatisticaAdvanced бағдарлманы ӛндірген Stat. Soft Inc фирмасы (АҚШ), бҧл фирма 1985 жылдан бастап статистикалық қосымшаларды шығарады. Бірінші коммерциялық программа Statistica Supplement Lotus 1 -2 -3 операциялық жҥйеге арналып қҧрылды. 1991 жылы DOS операциялық жҥйесіне арналған Statistica версиясы, 1992 жылы Macintosh-қа, 1994 жылы Windows-ға арналған версиялары шығарылған.[5] Бағдарлама басқа графикалық қосымшалармен деректер алмасуда DDE технологиясын (деректерді динамикалық алмастыру) енгізді. Statistica дестесіндегі графикалық қосымшаларды OLE технологиясы арқылы (OLE объектілерін байланыстыру және ендіру) Word, Excel және тағы басқа қосымшаларға импорттаса болады, сонымен қатар деректерді алмастыру буфері арқылы да операциялар жҥргізсе болады. Statistica бағдарламасы статистикалық анализ және деректерді ӛңдеу жҥйесі модульдер жиынтығынан тҧрады. Әр модульде белгілі бір анализ топтары жинақталған. Программа ҥлкен графикалық мҥмкіндіктермен қамтамасыздандырылған. Нәтижелік және бастапқы деректер ендірілген кестелерді пайдаланып жҥздеген графиктер салса болады. Statistica бағдарламасы Statistics BASIC және SQL тілдері енгізілген, осыған байланысты тҧтынушы керекті анализ әдісін таңдауға мҥмкіндігі бар. ISSN 2305-9397. Ғылым және білім. 2022. № 3-3 (68)____ _ 235 Кластерлеудің жаңа әдістері бір байланыс әдісіне (метод одиночной связи) негізделген. Графикалық формаларды қолдану арқылы, деректерді кластерлеу талдау уақытын қысқартуға, сондай-ақ білім алушының ҥлгерімін болжау алгоритмін әзірлеуге мҥмкіндік берді. Деректерді кластерлік талдауды қолданудын тәжірбиелік маңыздылығы мен ӛзектілігі зор, ӛйткені қазіргі ақпараттық қоғамда деректер мен оларды талдау нәтижелері ҥлкен рӛл атқарады, ал кластерлеу бҧл деректерді жақсы тҥсінуге мҥмкіндік береді.[6] Кластерлеу (немесе кластерлік талдау) міндеті — бҧл кӛптеген нысандарды кластерлер деп аталатын топтарға бӛлінеді. Әр топтың ішінде "ҧқсас" нысандар пайда болады , ал әр топтың нысандары мҥмкіндігінше әр тҥрлі болып келеді. Кластерлеу мен жіктеудің басты айырмашылығы-топтардың тізімі нақты кӛрсетілмейді және алгоритм процесінде анықталады.[7] Кластерлік талдауды қолдануды келесі кезеңде қарастыруға болады : 1. Кластерлеу ҥшін объектілерді іріктеу. 2. Іріктемедегі объектілер бағаланатын кӛптеген айнымалыларды анықтау жәнеде айнымалылардың мәндерін қалыпқа келтіру.(қажет еткен жағдайда) 3. Объектілер арасындағы ҧқсастық ӛлшемінің мәндерін есептеу. 4. Ҧқсас объектілер (кластерлер) топтарын қҧру ҥшін кластерлік талдау әдісін қолдану. 5. Талдау нәтижелерін ҧсыну.[8] Нәтижелерді алып талдағаннан кейін оңтайлы нәтиже алғанға дейін таңдалған метрика мен кластерлеу әдісін тҥзетуге болады. жүктеу/скачать 7.12 Mb. Достарыңызбен бөлісу:
|