پروژه خوشه بندی کاربران با استفاده از k-means در وکا (weka)

این پروژه بروی دیتاست مربوط به کاربران که شامل ۶۰۴۰ رکورد کاربر است. عملیات خوشه بندی با استفاده از الگوریتم k-means انجام می دهد. روش کار بدین صورت است که ابتدا داده های مربوط به کاربران را به نرم افزار داده کاوی وکا وارد نموده، سپس داده ها را جهت افزایش دقت خوشه بندی نرمال سازی می کنیم. پس از نرمال سازی داده ها الگوریتم k-means بروی داده های نرمال شده اعمال می گردد. در نهایت خروجی را در قالب یک فایل اکسل با اضافه نمودن برچسپ خوشه(Cluster) تولید می کند.

ویژگی های مربوط به کاربران عبارتند از :

• کد کاربر
• جنسیت
• شغل
• کد پستی

الگوریتم استفاده شده جهت خوشه بندی کاربران k-means است. معیار خوشه بندی بر اساس اطلاعات دموگرافیک کاربران بوده و از فاصله اقلیدوسی جهت خوشه بندی کاربران استفاده می شود. در این پروژه تعداد خوشه ها را می توان به صورت پویا تعیین نموده و نتایج را مورد بررسی قرار داد.

امکانات خوشه بندی کاربران با استفاده از k-means:

• ارائه یک داکیومنت از نحوه خوشه بندی
• تحویل فایل های تهیه شده با وکا
• ارائه دیتاست خام کاربران با پسوند های .txt , .csv , .xlsx , xls
• امکان دانلود دیتاست کاربران خوشه بندی شده