A Study on the Comparison of Clustering Algorithms Used in Data Mining

Veri Madenciliğinde Kullanılan Kümeleme Algoritmalarının Karşılaştırılması Üzerine Bir İnceleme: Ülkelerin Beşeri Sermaye Durumlarına Göre Kümelenmesi Örneği

Abstract

In today's world of digital, data mining is very important for predicting, interpreting and understanding of cases. Therefore, statistical techniques are been renewing and develop. Especially, machine learning techniques often use for this. In this study, it is aimed to compare of performance classic, fuzzy and bagged k-means cluster algorithm. Therefore, 132 countries which reached data was clustered according to human capital. In the conclusion of the study, it is reached that bagged cluster algorithm is slower than other algorithms, but it has more correct classify. Similarly, the fuzzy cluster algorithm has more correct classify than the classic kmeans algorithm.

Özet

Günümüz dünyasında veri madenciliği, yaşanan olayların anlaşılabilmesi, yorumlanabilmesi ve geleceğe dairtahminlerin yapılabilmesi için büyük önem arz etmektedir. Bu nedenle, istatistik teknikleri her geçen gündeğişmekte ve yenilenmektedir. Özellikle, günümüzde büyük verilerin anlaşılabilmesi amacıyla makine öğrenmeteknikleri sıklıkla kullanılmaktadır. Bu çalışmada, literatürde yoğun olarak kullanılan k-ortalama kümelemealgoritması çeşitlerinden klasik, bulanık ve torbalı k-ortalamalar yöntemlerinin kümeleme performanslarınınkarşılaştırılması amaçlanmaktadır. Bu doğrultuda veri setine ulaşılabilen 132 ülke beşeri sermaye özellikleridoğrultusunda kümelenmiştir.Çalışmanın sonucunda, torbalı küme algoritmasının zaman açısından diğerlerinden daha yavaş olduğu ancakdaha başarılı kümeleme yaptığı bulgusuna ulaşılmıştır. Benzer Şekilde, bulanık k-ortalama algoritmasının klasikk-ortalamalara göre daha başarılı olduğu görülmüştür.