Simple view
Full metadata view
Authors
Statistics
Analiza skupień
Cluster Analysis
grupowanie danych, klasteryzacja hierarchiczna, k-średnich, metoda aglomeracyjna, analiza skupień, klaster
cluster analysis, clustering, k-means, hierarchical clustering, agglomerative method, cluster
W pracy zostały przedstawione niezbędne zagadnienia ze statystyki matematycznej pozwalające na zdefiniowanie pojęcia grupowania danych zwanego również analizą skupień czy klasteryzacją wraz z ich podstawowymi własnościami. Co pozwoliło na zaprezentowanie ważnej części pracy, czyli algorytmów podziału zbioru danych na klastry. \W~dalszej części zostało zaprezentowane grupowanie danych z wykorzystaniem algorytmu k-średnich oraz klasteryzacji hierarchicznej metodą aglomeracyjną. Podczas tego procesu została również przedstawiona wizualizacja danych z wykorzystaniem języka Python oraz modułów takich jak matplotlib, seaborn i plotly. Do modelowania i przetwarzania danych użyto pandas, scikit-learn oraz numpy.
This work presents the necessary issues from mathematical statistics, which allow to define the concept of cluster analysis. The third chapter has an important part of the work, i.e. algorithms for finding set of clusters for the sample.The following part presents data clustering using the k-means algorithm and hierarchical clustering with the agglomerative method. It also contains data visualization as well as modeling with using Python and it's modules i.e. seaborn, matplotlib, plotly, numpy, seaborn and pandas.
| dc.abstract.en | This work presents the necessary issues from mathematical statistics, which allow to define the concept of cluster analysis. The third chapter has an important part of the work, i.e. algorithms for finding set of clusters for the sample.The following part presents data clustering using the k-means algorithm and hierarchical clustering with the agglomerative method. It also contains data visualization as well as modeling with using Python and it's modules i.e. seaborn, matplotlib, plotly, numpy, seaborn and pandas. | pl |
| dc.abstract.pl | W pracy zostały przedstawione niezbędne zagadnienia ze statystyki matematycznej pozwalające na zdefiniowanie pojęcia grupowania danych zwanego również analizą skupień czy klasteryzacją wraz z ich podstawowymi własnościami. Co pozwoliło na zaprezentowanie ważnej części pracy, czyli algorytmów podziału zbioru danych na klastry. \\W~dalszej części zostało zaprezentowane grupowanie danych z wykorzystaniem algorytmu k-średnich oraz klasteryzacji hierarchicznej metodą aglomeracyjną. Podczas tego procesu została również przedstawiona wizualizacja danych z wykorzystaniem języka Python oraz modułów takich jak matplotlib, seaborn i plotly. Do modelowania i przetwarzania danych użyto pandas, scikit-learn oraz numpy. | pl |
| dc.affiliation | Wydział Matematyki i Informatyki | pl |
| dc.area | obszar nauk ścisłych | pl |
| dc.contributor.advisor | Kościelniak, Piotr - 129220 | pl |
| dc.contributor.author | Rudnicka, Sandra | pl |
| dc.contributor.departmentbycode | UJK/WMI2 | pl |
| dc.contributor.reviewer | Kościelniak, Piotr - 129220 | pl |
| dc.contributor.reviewer | Mazur, Marcin - 130444 | pl |
| dc.date.accessioned | 2021-12-13T22:35:49Z | |
| dc.date.available | 2021-12-13T22:35:49Z | |
| dc.date.submitted | 2021-09-16 | pl |
| dc.fieldofstudy | matematyka stosowana | pl |
| dc.identifier.apd | diploma-152408-244787 | pl |
| dc.identifier.uri | https://ruj.uj.edu.pl/xmlui/handle/item/285207 | |
| dc.language | pol | pl |
| dc.subject.en | cluster analysis, clustering, k-means, hierarchical clustering, agglomerative method, cluster | pl |
| dc.subject.pl | grupowanie danych, klasteryzacja hierarchiczna, k-średnich, metoda aglomeracyjna, analiza skupień, klaster | pl |
| dc.title | Analiza skupień | pl |
| dc.title.alternative | Cluster Analysis | pl |
| dc.type | licenciate | pl |
| dspace.entity.type | Publication |