An app for automatic PCA, Kmeans clustering

Böyük həcmli datalar üçün hazırlanmış bu tətbiq sayəsində kodlaşdırmadan istifadə etmədən data üzərində PCA və Cluster analizlərini asanlıqla edə bilərsiniz. Olduqca sadə interfeysə malik bu tətbiq həm də istifadə baxımında sizə geniş imkan yaradır. Belə ki, sizə analizin nəticəsini bir neçə saniyə içində verəcək.

Nemət İsmayılov (Business Insight) , Turqut Abdullayev (QSS)https://qss.az
05-14-2019

        Böyük həcmli datalar üçün hazırlanmış bu tətbiq sayəsində kodlaşdırmadan istifadə etmədən data üzərində PCA və Cluster analizlərini asanlıqla edə bilərsiniz. Olduqca sadə interfeysə malik bu tətbiq həm də istifadə baxımında sizə geniş imkan yaradır. Belə ki, sizə analizin nəticəsini bir neçə saniyə içində verəcək:

Application-a keçid: https://dataexperts.shinyapps.io/FreeApp/

        Bu postda biz böyük sənaye şirkətinin korporativ müştəriləri üçün hazırlanmış müştəri məmnuniyyəti anket sorğusunun nəticələri üzərində Faktor analizi edəcəyik. Qeyd edək ki, bu data Likert ölçülü datadır və meyarlar 5 ballıq sistemlə qiymətləndirilmişdir.

Datanın tətbiqə yüklənməsi (loading .csv )

.csv formatında olan datanı tətbiqə daxil edib onun ilkin görünüşü ilə tanış ola bilərsiniz. Bunun üçün Browse düyməsi ilə data faylını komputerdən proqrama daxil etməlisiniz.

Sol hissədə olan seçimlər vasitəsilə datanın ümumi görünüşünü fərdiləşdirə bilərsiniz.

Bundan başqa data yükləndikdən sonra istədiyiniz sütun üzrə filter tətbiq edə və ümumi axtarış verə bilərsiniz.

Datanın analiz edilməsi

        Calculate PCA düyməsini kliklədikdən sonra analizin nəticələri PCA bölməsində görünəcəkdir.

Nəticənin interpretasiyası

        Nəticə hissəsində qarşıya ilk çıxan Faktor analizi ilə bağlı statistiklər olacaqdır.

        Burada faktorların sayını müəyyən etmək üçün eigenvalue sətrinə diqqət yetirsək yalnız 1.0`dan böyük əmsallı faktorlar götürülür. Percentage of variance sətrinə baxsaq görərik ki, 1-ci faktor ümumi varyansın ən böyük hissəsini əhatə edir. Növbəti faktorların isə özlərindən əvvəlki faktorlarla əlaqəsi yoxdur və yerdə qalan varyansı əhatə edir.

        Nəticənin qrafik hissəsində Scree plot (varyans faizlərinin qrafik təsviri), Rotation Biplot (faktor matrisinin izah olunmasını daha asan şəklə gətirir) və Corr plot (dəyişənlərlə faktorlar arasındakı korrelyasiyaları göstərir) görə bilərsiniz.

Factor matrix Bütün dəyişənlərin bütün faktorlar üzərindəki yüklərini göstərir. Matrisdə ən böyük yükləri saxlayıb qalanlarını silirik.

Yekun

Yekun olaraq onu qeyd etmək olar ki, gələcəkdə Shiny Application biznesin idarə edilməsində böyük yer tutacaq, çünki bu proqram sayəsində Data Analitik olmadan da dataları analiz edərək nəticəni lokala endirə bilərik, çünki interfeys çox sadədir və heç bir kodlaşdırma tələb etmir.

P.S. Tətbiqin gələcəkdə təkmilləşdirilməsi nəzərdə tutulur. Suallarınız və ya hərhansı irad və təklifləriniz varsa aşağı hissədə yaza bilərsiniz.

Reuse

Text and figures are licensed under Creative Commons Attribution CC BY 4.0. The figures that have been reused from other sources don't fall under this license and can be recognized by a note in their caption: "Figure from ...".

Citation

For attribution, please cite this work as

İsmayılov & Abdullayev (2019, May 14). Data Experts: An app for automatic PCA, Kmeans clustering. Retrieved from http://dataexperts.tech/posts/2020-01-21-freeapp/

BibTeX citation

@misc{ismayılov2019an,
  author = {İsmayılov, Nemət and Abdullayev, Turqut},
  title = {Data Experts: An app for automatic PCA, Kmeans clustering},
  url = {http://dataexperts.tech/posts/2020-01-21-freeapp/},
  year = {2019}
}