Veri madenciliği metotlarından kümeleme algoritmalarının uygulamalı etkinlik analizi

Abstract

Hızla gelişen bilgisayar teknolojileri ile artık verileri veri ambarlarında saklamak çokkolaylaştığı gibi verilerin boyutları da inanılmaz seviyelere gelmiştir. Böyle büyükboyutlardaki verilerden işimize yarayacak, geleceği daha iyi görebilmemizi vetahminler yapabilmemizi sağlayacak bilgileri elde etmenin en kullanışlı yolarındanbiri de veri madenciliği yöntemleridir.Bu çalışmada veri madenciliği yöntemlerinden olan kümeleme algoritmalarıderinlemesine incelenmiştir. Bir bankanın müşteri bilgilerini barındıran bir veritabanı üzerinde yapılan kümeleme çalışması ile bankanın müşterilerini kredileriniödeme durumlarına göre kümelere ayırması sağlanmıştır. Bu işlem yapılırkenkümeleme algoritmalarından K-means, EM (Expectation Maximization) ve Cobwebalgoritmaları kullanılmış ve bunların karşılaştırılmasına olanak sağlanmıştır.

The major reason that data mining became one of the hottest current technologies ofthe information age is the wide availability of huge amounts of data and the need forturning such data into useful information and knowledge. As computer systemsgetting cheaper and computer power increases, the amount of data available to becollected and processed increases. Therefore using techniques that operates very wellwith large amounts of data becomes an obvious choice. The information andknowledge gained can be used for applications ranging from business management,production control, and market analysis, to engineering design and scienceexploration. In this study, clustering alghorythms were discussed with anapplication.