Veri Madenciliğinde Kümeleme Teknikleri Üzerine Bir Çalışma: K-Means ve K-Medoids Kümeleme Algoritmalarının Karşılaştırılması

Authors : Güncel SARIMAN

Pages : 192-202

Doi:10.19113/sdufbed.41288

View : 13 | Download : 8

Publication Date : 2014-07-17

Article Type : Other Papers

Abstract :Günümüzde bilişim alanındaki gelişmeler sayesinde kullanıcılar daha gelişmiş bilgisayar teknolojilerine hakim olmaktadır ve bu gelişmeler beraberinde sayısal verilerin birikmesine neden olmaktadır. Bilişim teknolojileri biriken verileri saklayabilir. Tüm bu saklanan verilerin anlamlandırılması için veri madenciliği kullanılmaktadır. Veri madenciliği, verilerden önceden bilinmeyen anlamlı bilgileri tanımlama ya da tahmin etme tekniklerini içermektedir. Veri madenciliğinde verileri ortak özellikleri ile gruplamak için kümeleme algoritmaları yardımıyla ilginç desenler bulunabilir. Bu çalışmada UCI Machine Learning Repository veritabanından “Flags” veri seti alınarak k-means ve k-medoids bölümlemeli kümeleme algoritmalarıyla ülkelerin özelliklerine göre kümelere ayrılması hedeflenmiştir. Uygulama Asp.Net ile web ara yüzünde geliştirilerek internet ortamında kullanıcılara sunulmuştur. Çalışmanın sonunda veri seti K-Means ve K-Medoids algoritmalarıyla çalıştırılmış ve elde edilen analiz sonuçları karşılaştırılmalı olarak incelenmiş ve kullanım yerlerine yönelik öneriler sunulmuştur
Keywords : Veri Madenciliği, Kümeleme Analizi, Asp Net, K Means, K Medoids