Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightAnalizde mesafe olarak kullanılan Kareli Öklid ve Pearson Yakınlık Matriksi ölçütlerine göre de birbirlerine en çok benzeyen profiller ve en az benzerlik gösteren profiller saptanmıştır.\r\n
📌 3 Maddede Bu Makale
Özet
\r\n Kümeleme analizi, veritabanlarındaki verilerin gruplar veya kümeler altında toplanarak, benzer özelliklere sahip nesnelerin bir araya gelmesini sağlayan bir veri madenciliği tekniğidir. Bu çalışmada amaç, pazarlama alanında işletmelerin dikkate alması gereken en önemli ölçütlerin saptanmasında kümeleme analizi tekniğinin uygun bir yöntem olarak kullanılabileceğini göstermektir. Çalışmada, yeni bir halı temizleyicisini pazarlayan bir işletmenin tüketici satın alma tercihleri üzerinde etkili 5 faktöre göre oluşturulan 22 profilden yararlanarak kümeleme analizi tekniği uygulanmıştır. Bu amaçla "Hiyerarşik Kluster (küme) Analizi" kullanılmıştır. Analiz sonuçları, Dendrogram ve Aglomeratif Çizelge ile de desteklenmiştir. Analizde mesafe olarak kullanılan Kareli Öklid ve Pearson Yakınlık Matriksi ölçütlerine göre de birbirlerine en çok benzeyen profiller ve en az benzerlik gösteren profiller saptanmıştır.\r\n
Abstract
\r\n Cluster analysis is one of the data mining techniques which identifies groups of samples that behave similarly or show similar characteristics. The aim of the study indicate cluster analysis techniques are available method that determining the most important factors which businesses in marketing must taken into consideration for evaluating their performances. Cluster analysis technique is applied on 22 buying preference profiles about 10 consumers and 5 factors for a firm that marketing for a new carpet cleaner. For this aim, used hierarchial cluster analysis. The analyses were supported with Dendrogram and Agglomerative Schedule. According to results of Squared Oklid Distance Calculations and Pearson Proximity Matrix, the highest resemblance profiles and the least resemblance profiles are determined.\r\n