ÇOK BOYUTLU ÖLÇEKLEME VE K-ORTALAMALAR KÜMELEME ANALİZİ İLE BİR GÖRSEL VERİ MADENCİLİĞİ UYGULAMASI

Yıl 2022, Sayı: 1, 31 - 44, 30.03.2022

Muhammet Atalay

Öz

Görsel veri madenciliği, verileri veya analiz sonucunda elde edilen bulguları görselleştirerek örtük ve faydalı bilgileri keşfetmeye yarar. Bu çalışmada; 2020 yılı aktif sigortalı sayılarına ait veriler yardımıyla, Türkiye’deki illerin benzerlik ve farklılıklarının ortaya çıkarılması amaçlanmıştır. Yöntem olarak istatistiksel veri analizi ve veri madenciliği tekniklerinden çok boyutlu ölçekleme ve kümeleme analizleri bulguları görselleştirilerek kullanılmıştır. Tüm analizler R programlama dili kullanılarak yapılmıştır. Çok boyutlu ölçeklemede uyum iyiliği değerleri incelenmiştir. Kümeleme analizinde optimal küme sayısını tespit etmek için içsel kümeleme performansı indeksleri karşılaştırılmıştır. Elde edilen sonuçlara göre, iki boyutlu uzayda elde edilen harita, gerçek uzaklıklarla karşılaştırıldığında iyi derecede uyum göstermektedir. En iyi kümeleme için içsel indekslerin çoğu küme sayısının iki olması gerektiğini söylemektedir. Buna göre çok boyutlu ölçekleme ile elde edilen iki boyutlu dağılımda iller iki kümeye ayrışmaktadırlar. 4/a ve 4/b sigortalılarda dağılım dengeli iken 4/c sigortalılarda çok az sayıda ilin diğerlerinden ayrıştığı belirlenmiştir.

Anahtar Kelimeler

Çok Boyutlu Ölçekleme, K-Ortalamalar Kümeleme, İstatistiksel Analiz, Veri Görselleştirme, Görsel Veri Madenciliği

Kaynakça

• Agrawal, K., Garg, S., & Patel, P. (2015). Performance Measures for Densed and Arbitrary Shaped Clusters. International Journal of Computer Science & Communication, 6(2), 338-350.
• Albayrak, A. S., & Koltan Yılmaz, Ş. (2009). Veri Madenciliği: Karar Ağaçları ve İMKB Verileri Üzerine Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), 31-52.
• Aliukov, S., & Buleca, J. (2022). Comparative Multidimensional Analysis of the Current State of European Economies Based on the Complex of Macroeconomic Indicators. Mathematics 2022, Vol. 10, Page 847, 10(5), 847. https://doi.org/10.3390/MATH10050847
• Allahverdi, F., Allahverdi, M., & Çevik, S. (2021). Türkiye’de Kamu Harcamalarının İl Düzeyinde Dağılımının Çok Boyutlu Ölçekleme ve Kümeleme Analizi ile İncelenmesi. Maliye Dergisi, 0(180), 31-60.
• Almeira, D., & Graciella Juanda, G. (2021). Analisis Multidimensional Scaling dan k-Means Clustering untuk Pengelompokan Provinsi Berdasarkan Tingkat Pengangguran. E-Prosiding Nasional | Departemen Statistika FMIPA Universitas Padjadjaran, 10, 08. http://prosiding.statistics.unpad.ac.id/index.php/prosidingnasional/article/view/75
• Alpar, R. (2017). Uygulamalı Çok Değişkenli İstatistik Yöntemler (5. b.). Ankara: Detay Yayıncılık.
• Arı, E., & Gülcemal, M. E. (2019). OECD Ülkelerinin Sigorta Pazar Paylarının Çok Değişkenli İstatistiksel Yöntemlerle İncelenmesi. Batman Üniversitesi Yaşam Bilimleri Dergisi, 9(2), 136–157.
• Ayala, E., Nelson, L., Bartholomew, M., & Plummer, D. (2022). A conceptual model for mental health and performance of North American athletes: A mixed methods study. Psychology of Sport and Exercise, 102176. https://doi.org/10.1016/J.PSYCHSPORT.2022.102176
• Bache, S. M., & Wickham, H. (2020). magrittr: A Forward-Pipe Operator for R. R package version 2.0.1. https://CRAN.R-project.org/package=magrittr adresinden alındı
• Borg, I., & Groenen, P. J. (2005). Modern Multidimensional Scaling: Theory and Applications. Springer.
• Borsenberger, M., Fleury, C., & Dickes, P. (2016). Welfare regimes and social cohesion regimes: do they express the same values?, European Societies, 18(3), 221-244. https://doi.org/10.1080/14616696.2016.1172717
• Buja, A., Swayne, D. F., Littman, M. L., Dean, N., Hofmann, H., & Chen, L. (2012). Data Visualization With Multidimensional Scaling, Journal of Computational and Graphical Statistics, 17(2), 444–472. https://doi.org/10.1198/106186008X318440
• Demirel Top, E., Yapici, N., & Cetinkaya, C. (2018). Comparison of Fatal Occupational Accidents Statistics inTurkey with Some European Countries. International Journal of Scientific and Technological Research, Vol 4, No.6, 107-119.
• Desgraupes, B. (2017). Package clusterCrit for R: Clustering Indices. Kasım 5, 2021 tarihinde https://cran.r-project.org/web/packages/clusterCrit/vignettes/clusterCrit.pdf adresinden alındı
• Desgraupes, B. (2018). clusterCrit: Clustering Indices. R package version 1.2.8. https://CRAN.R-project.org/package=clusterCrit adresinden alındı
• Fleming, L., Lemonde, A.-C., Gold, J., Taylor., J., Malla, A., Joober, R., Iyer, V., Lepage, M., Shah, J., & Corlett, P. R. (t.y.). Reducing the dimensions of psychotic illness. PsyArXiv https://doi.org/10.31234/OSF.IO/WJ89F
• Graffelman, J. (2020). Goodness-of-fit filtering in classical metric multidimensional scaling with large datasets. Journal of Applied Statistics, 47(11), 2011-2024.
• Gürsakal, S. (2019). Sosyal Bilimlerde SPSS Uygulamalı Çok Değişkenli İstatistiksel Analiz Teknikleri. Bursa: Dora Yayıncılık.
• Han, J., Kamber, M., & Pei, J. (2012). Data Mining Trends and Research Frontiers, Editor(s): Jiawei Han, Micheline Kamber, Jian Pei, In The Morgan Kaufmann Series in Data Management Systems, Data Mining: Concepts and Techniques (Third Edition), Morgan Kaufmann, Pages 585-631. https://doi.org/10.1016/B978-0-12-381479-1.00013-7
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data Analysis (7. b.). Edinburgh Gate: Pearson.
• Hofmann, T., & Buhmann, J. (1995). Multidimensional scaling and data clustering. T. K. Leen, G. Tesauro, & D. S. Touretzky içinde, Advances in Neural Information Processing Systems 7 (s. 459-466). The MIT Press.
• Huang, Z. (1998). Extensions to the k-Means Algorithm for Clustering Large Data Sets with Categorical Values. Data Mining and Knowledge Discovery (2), 283-304.
• Inekwe, J., Maharaj, E., & Bhattacharya, M. (2020). Drivers of carbon dioxide emissions: an empirical investigation using hierarchical and non-hierarchical clustering methods. Environ Ecol Stat (27), 1-40.
• Karadağ Erdemir, Ö., & Tatlıdil, H. (2018). The Use of the Multivariate Statistical Methods in the Performance Analysis of Non-Life Insurance Companies. Finansal Araştırmalar ve Çalışmalar Dergisi, 56–69. https://doi.org/10.14784/marufacd.460659
• Kassambara, A. (2020). ggpubr: 'ggplot2' Based Publication Ready Plots. R package version 0.4.0. https://CRAN.R-project.org/package=ggpubr adresinden alındı
• Kırcı Çevik, N. (2021). OECD Ülkeleri Sağlık Sistemi Göstergelerine Çok Boyutlu Bir Yaklaşım. Iğdır Üniversitesi Sosyal Bilimler Dergisi. https://doi.org/10.54600/igdirsosbilder.991828
• Koçoğlu, F. Ö., & Esnaf, Ş. (2019). Veri Madenciliği Kümeleme Algoritmalarının Başarı Göstergesi Olarak Kümeleme İndeks Değerlerinin İncelenmesi. M. E. Balaban, & E. Kartal içinde, Veri Madenciliği ve Makine Öğrenmesi Temel Kavramlar, Algoritmalar, Uygulamalar (s. 243-288). İstanbul: Çağlayan Kitabevi.
• Kruskal, J. B. (1964). Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis. Psychometrika, 29(1), 1-27.
• Kruskal, J. B., & Carmone, F. J. (1967). How to Use MDSCAL, Version 5-M, and Other Useful Information. Murray Hill, NJ.: Bell Laboratories.
• Kruskal, J. B., & Wish, M. (1978). Multidimensional Scaling, Sage University Papers Series, Quantitative Applications in the Social Sciences, No. 07-011 . Sage Publications, Inc. https://doi.org/10.4135/9781412985130
• Leeuw, J. d., & Mair, P. (2009). Multidimensional Scaling Using Majorization: SMACOF in R. Journal of Statistical Software, 31(3), 1-30. https://www.jstatsoft.org/v31/i03/ adresinden alındı
• Likas, A., Vlassis, N., & Verbeek, J. J. (2003). The global k-means clustering algorithm. Pattern Recognition(36), 451-461.
• Liu, Y., Li, Z., Xiong, H., Gao, X., & Wu, J. (2010). Understanding of Internal Clustering Validation Measures. 2010 IEEE International Conference on Data Mining (s. 911-916). Sydney, Australia: IEEE.
• Lopes, A. M., & Machado, J. A. T. (2022). Multidimensional scaling and visualization of patterns in global large-scale accidents. Chaos, Solitons & Fractals, 157, 111951. https://doi.org/10.1016/J.CHAOS.2022.111951
• Mair, P., Groenen, P. J., & Leeuw, J. d. (2021). More on Multidimensional Scaling in R: smacof Version 2. Journal of Statistical Software.
• Maulik, U., & Bandyopadhyay, S. (2002). Performance evaluation of some clustering algorithms and validity indices. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(12), 1650-1654. https://doi.org/10.1109/TPAMI.2002.1114856
• Montgomery, L. T., Vaughn, L. M., & Jacquez, F. (2022). Engaging Adolescents in the Fight Against Drug Abuse and Addiction: A Concept Mapping Approach. Health Education & Behavior. January 2022. https://doi.org/10.1177/10901981211068416
• Oğuzlar, A. (2005a). Kümeleme Analizinde Yeni Bir Yaklaşım: Kendini Düzenleyen Haritalar (Kohonen Ağları). Journal of Economics and Administrative Sciences, 19(2), 93–107. https://dergipark.org.tr/en/pub/atauniiibd/issue/2688/35322
• Oğuzlar, A. (2005b). Çok Boyutlu Ölçekleme Analizi Yardımıyla Avrupa Birliği Üyeliğini Etkileyen Faktörlerin Konumlandırılması. Uludağ Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, XXIV(1), 33-43.
• Rendón, E., Abundez, I., Arizmendi, A., & Quiroz, E. M. (2011). Internal versus external cluster validation indexes. International Journal of Computers and Communications, 5(1), 27-34.
• Roux, I. (2008). Application of cluster analysis and multidimensional scaling on medical schemes data. Master Thesis, Stellenbosch University, http://scholar.sun.ac.za/handle/10019.1/2040
• RStudio. (2022, Şubat 1). RStudio | Open source & professional software for data science teams. Kasım 5, 2021 tarihinde RStudio: https://www.rstudio.com/ adresinden alındı
• SGK. (2021, Ekim 14). Sosyal Güvenlik Kurumu İstatistik Yıllığı Sigortalı ve İş Yeri İstatistikleri 2020. Ankara, Balgat, Türkiye. Kasım 2, 2021 tarihinde http://www.sgk.gov.tr/wps/portal/sgk/tr/kurumsal/istatistik/sgk_istatistik_yilliklari adresinden alındı
• Shanti, R. (2019). Multivariate Data Analysis: Using SPSS and AMOS. Chennai: MJP Publisher.
• Sips, M. (2009). Visual Clustering. In L. Liu & M. T. Özsu (Eds.), Encyclopedia of Database Systems (pp. 3355–3360). Springer. https://doi.org/10.1007/978-0-387-39940-9_1124
• Team, R. C. (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. https://www.R-project.org/ adresinden alındı
• The R Foundation. (2022, Mart 10). The R Project for Statistical Computing. Kasım 5, 2021 tarihinde R 4.1.3: https://www.r-project.org/ adresinden alındı
• Vatansever, M., & Büyüklü, A. H. (2009). Using Visual Data Mining Techniques in Clustering Analysis and An Application. Sigma Journal of Engineering and Natural Sciences, 27, 83–104.
• Velado-Alonso, E., Morales-Castilla, I., & Gómez-Sal, A. (2022). The landscapes of livestock diversity: grazing local breeds as a proxy for domesticated species adaptation to the environment. Landscape Ecology 2022, 1–14. https://doi.org/10.1007/S10980-022-01429-5
• Wickelmaier, F. (2003). An Introduction to MDS. Aalborg University. Denmark: Sound Quality Research Unit.
• Wickham, H., & Bryan, J. (2019). readxl: Read Excel Files. R package version 1.3.1. https://CRAN.R-project.org/package=readxl adresinden alındı
• Wickham, H., François, R., Henry, L., & Müller, K. (2020). dplyr: A Grammar of Data Manipulation. R package version 1.0.2. https://CRAN.R-project.org/package=dplyr adresinden alındı
• Wu, J. (2012). Advances in K-means Clustering: A Data Mining Thinking. Berlin Heidelberg: Springer.,
• Žalik, K. R. (2008). An efficient k′-means clustering algorithm. Pattern Recognition Letters, 29(9), 1385-1391. https://doi.org/10.1016/j.patrec.2008.02.014.