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

Министерство образования и науки Российской Федерации
федеральное государственное бюджетное образовательное учреждение высшего образования
САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ МОРСКОЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
КУРСОВАЯ РАБОТА


КЛАСТЕРИЗАЦИЯ ОБУЧАЮЩИХ ВЫБОРОК ДЛЯ НЕЙРОННОЙ СЕТИ ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ УСПЕВАЕМОСТИ СТУДЕНТОВ


Выполнил: Хайитов Шерзод Эркинович
Инженерно-экономический факультет
группа-4310

Санкт-Петербург 2022

СОДЕРЖАНИЕ

ВВЕДЕНИЕ 4
1. Задача кластеризации данных 6
1.1 Понятие кластеризации данных 6
1.2 Постановка задачи кластеризации 7
1.3 Метрики для задания кластеров 9
1.4 Критерии качества кластеризации 10
1.5 Типы кластерных структур 12
2 Метод k-средних 14
2.1 Краткое описание алгоритма 14
2.2 Практическая реализация 16
заключение 19
список использованных источников 20

ВВЕДЕНИЕ

Целью курсовой работы является знакомство и использование с алгоритмом, решающим задачу кластеризации многомерных статистических данных, таких как оценки успеваемости студентов.
Задача кластеризации данных (также называемая таксономией, автоматической классификацией или группировкой объектов) является одной из наиболее важных и сложных задач анализа данных.
Кластерный анализ представляет собой раздел статистического анализа данных, объединяющий методы разбиения (группировки множества наблюдаемых объектов на сравнительно однородные группы, называемые кластерами. Однородность кластеров означает, что объекты, отнесенные кодному кластеру должны быть близки относительно выбранной метрики. Объекты из разных кластеров должны существенно отличаться.
Кластерный анализ является востребованной и успешно развивающейся дисциплиной современной теоретической информатики. Его методы имеют широкий спектр применений практически во всех областях человеческой деятельности связанных с изучением объектов и процессов: медицине, биологии, химии, маркетингу, психологии, социологии, менеджменту, филологии, археологии, и другим.