| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Klasterizācijas algoritmu salīdzinošā analīze pieprasījuma prognozēšanas uzdevumos |
| Nosaukums angļu valodā |
A Comparative Analysis of Clustering Algorithms for Demand Forecasting |
| Struktūrvienība |
12100 Informācijas tehnoloģijas institūts |
| Darba vadītājs |
Dr. sc .ing. Sergejs Paršutins |
| Recenzents |
Dr. sc. ing. Sigita Misiņa |
| Anotācija |
Maģistra darba mērķis ir izpētīt un analizēt prognozēšanas metodes īsu laika rindu analīzes pieprasījuma prognozēšanas uzdevumā. Darba galvenie uzdevumi ir: izskatīt prognozēšanas metodes, risināt pieprasījuma prognozēšanas uzdevumu, izmantojot k-vidējo sadalošo algoritmu un izpildīt klasterizācijas algoritma un tās modifikācijas analīzi. Šis algoritms tika izvēlēts izmantošanai darbā, jo tas ir viens no vienkāršākajiem un no esošām publikācijām ir zinams labākais klasteru skaits izmantotai datukopai. Uzdevuma darba mērķis ir noskaidrot, kā klasteru skaits, kuri bija izmantoti pieprasījuma prognozēšanai, ietekmē pieprasījuma precizitāti.
Dati, kas tika izmantoti darbā tika sadalīti divās daļās, apmēram 70/30. Dati, kas saturēja 70%, tika nosaukti par apmācības kopu, otrā daļa par testēšanas kopu. Izmantotie dati attēlo apģērba pieprasījumu vienā no Latvija veikaliem viena gada ietvaros. Darba gaitā tika izmantota Orange Canvas programmatūra un visi aprēķini tika izpildīti MS Excel failā. Prognozēšanai tika analizēta absolūtā vidējā kļūda. |
| Atslēgas vārdi |
klasterizācijas analīze,k-vidējo sadalošais algoritms,vidējā absolutā kļūda, prognoze, pieprasījums |
| Atslēgas vārdi angļu valodā |
cluster algorithm, k-means algorithm, absolute average deviation function, forecasting, demand |
| Valoda |
lv |
| Gads |
2012 |
| Darba augšupielādes datums un laiks |
26.06.2012 08:19:48 |
