Курсовая работа кластеризация обучающих выборок для нейронной сети прогнозирования показателей успеваемости студентов

ЗАКЛЮЧЕНИЕ

В результате выполнения курсовой работы были изучены:
- Основные понятия задач алгоритмов кластеризации;
- Алгоритм кластеризации k-means.
Была протестирована реализация алгоритма на базе языка Python в библиотеке skitlearn.
Проведён анализ работы алгоритма.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1 Воронцов, К. В. Лекции по алгоритмам кластеризации и многомерного шкалирования / К. В. Воронцов. —М.: МГУ, 2007.
2 Миркин, Б. Г. Методы кластер –анализа для поддержки принятия решений: обзор:препринт WP7/2011/03/ Б.Г. Миркин. —М.: Изд. Дом 56 Национального исследовательского университета «Высшая школа экономики», 2011. —88 с.
3 Дюран, Б. Кластерный анализ:пер. с англ. Е. З. Демиденко под ред. А.Я. Боярского / Б. Дюран, —П. Одел. М.: «Статистика», 1977. —128 с.
4 Документация skitlearn [электронный ресурс]. – URL:
http://scikit-learn.org/stable/developers/contributing.html
(дата обращения 09.04.2018)
5 Описание Алгоритмa k средних (k-means) [электронный ресурс]. – URL:http://algowiki-project.org/ru/Алгоритм_k_средних_(k-means)
(дата обращения 11.04.2018)
6 Описание метода k-средних [электронный ресурс]. – URL:http://statistica.ru/theory/klasterizatsiya-metod-k-srednikh/
(дата обращения 10.04.2018)