دمج طريقة تجميع K-Means وطريقة الكوع لتحديد أفضل مجموعة ملف تعريف للعميل

التجميع هو تقنية تنقيب عن البيانات تُستخدم لتحليل البيانات التي تحتوي على تباينات وعدد من الحصص. كانت عملية التجميع هي تجميع البيانات في مجموعة، بحيث تحتوي على بيانات متشابهة قدر الإمكان ومختلفة عن كائنات مجموعات أخرى. تمتلك الشركات الصغيرة والمتوسطة في إندونيسيا مجموعة متنوعة من العملاء، ولكن الشركات الصغيرة والمتوسطة ليست لديها خريطة لهؤلاء العملاء لذا لم تكن تعرف أي العملاء مخلص أو العكس. تعتبر خريطة العملاء هي تجميع لملف تعريف العملاء لتسهيل التحليل والسياسة الخاصة بالشركات الصغيرة والمتوسطة في إنتاج السلع، وخاصة مبيعات باتيك. سيستخدم الباحثون مزيجاً من طريقة K-Means مع الكوع لتحسين أداء K-Means بكفاءة وفعالية في معالجة كميات كبيرة من البيانات. يُعتبر تجميع K-Means طريقة تحسين محلية حساسة لاختيار الموقع الابتدائي من منتصف المجموعة. لذا فإن اختيار الموقع الابتدائي من منتصف مجموعة سيئة سيؤدي إلى نتائج عالية من الأخطاء ونتائج مجموعة سيئة. تواجه خوارزمية K-means مشاكل في تحديد أفضل عدد من المجموعات. لذا يبحث الكوع عن أفضل عدد من المجموعات في طريقة K-means. استنادًا إلى النتائج التي تم الحصول عليها من العملية في تحديد أفضل عدد من المجموعات بخط الكوع، يمكن أن ينتج نفس عدد المجموعات K على كميات بيانات مختلفة. ستكون نتيجة تحديد أفضل عدد من المجموعات باستخدام طريقة الكوع هو الافتراضي لعملية الخصائص استنادًا إلى دراسة الحالة. لقد أسفرت قيمة k-means لمجموعة k-means عن أفضل المجموعات استنادًا إلى قيم SSE على 500 مجموعة من زوار باتيك. تُظهر النتيجة أن المجموعة التي لديها انخفاض حاد هي عند K = 3، لذا فإن K هو نقطة القطع كأفضل مجموعة.