K- साधन विधि का उपयोग करके वायरलेस एक्सेस पॉइंट को क्लस्टर करना

वर्तमान में दूरसंचार उद्योग में डेटा विज़ुअलाइज़ेशन और विश्लेषण का व्यापक रूप से उपयोग किया जाता है। विशेष रूप से, विश्लेषण भू-स्थानिक डेटा के उपयोग पर अत्यधिक निर्भर है। शायद यह इस तथ्य के कारण है कि दूरसंचार नेटवर्क स्वयं भौगोलिक रूप से बिखरे हुए हैं। तदनुसार, इस तरह के फैलाव का विश्लेषण जबरदस्त मूल्य का हो सकता है।

डेटा

K- साधन क्लस्टरिंग एल्गोरिदम का वर्णन करने के लिए, हम न्यूयॉर्क में मुफ्त सार्वजनिक वाईफाई के लिए भौगोलिक डेटाबेस का उपयोग करेंगे। डेटासेट NYC ओपन डेटा पर उपलब्ध है। विशेष रूप से, k- साधन क्लस्टरिंग एल्गोरिदम का उपयोग अक्षांश और देशांतर डेटा के आधार पर वाईफाई उपयोग क्लस्टर बनाने के लिए किया जाता है।

अक्षांश और देशांतर डेटा को प्रोग्रामिंग भाषा आर का उपयोग करके स्वयं सेट किए गए डेटा से निकाला जाता है:

#1. Prepare data newyork<-read.csv("NYC_Free_Public_WiFi_03292017.csv") attach(newyork) newyorkdf<-data.frame(newyork$LAT,newyork$LON) 

यहाँ डेटा का एक टुकड़ा है:

हम समूहों की संख्या निर्धारित करते हैं

अगला, हम नीचे दिए गए कोड का उपयोग करके समूहों की संख्या निर्धारित करते हैं, जो एक ग्राफ में परिणाम दिखाता है।

 #2. Determine number of clusters wss <- (nrow(newyorkdf)-1)*sum(apply(newyorkdf,2,var)) for (i in 2:20) wss[i] <- sum(kmeans(newyorkdf, centers=i)$withinss) plot(1:20, wss, type="b", xlab="Number of Clusters", ylab="Within groups sum of squares") 

ग्राफ दर्शाता है कि वक्र लगभग 11. पर कैसे संरेखित होता है, इसलिए, यह क्लस्टर्स की संख्या है जिसका उपयोग k- साधन मॉडल में किया जाएगा।

K- साधन विश्लेषण

K- साधनों का विश्लेषण किया जाता है:

 #3. K-Means Cluster Analysis set.seed(20) fit <- kmeans(newyorkdf, 11) # 11 cluster solution # get cluster means aggregate(newyorkdf,by=list(fit$cluster),FUN=mean) # append cluster assignment newyorkdf <- data.frame(newyorkdf, fit$cluster) newyorkdf newyorkdf$fit.cluster <- as.factor(newyorkdf$fit.cluster) library(ggplot2) ggplot(newyorkdf, aes(x=newyork.LON, y=newyork.LAT, color = newyorkdf$fit.cluster)) + geom_point() 

Newyorkdf डेटासेट में अक्षांश, देशांतर और क्लस्टर लेबल के बारे में जानकारी होती है:
> newyorkdf
newyork.lat newyork.lon fit.cluster
1 40.75573 -73.94458 1
2 40.75533 -73.94413 1
3 40.75575 -73.94517 1
4 40.75575 -73.94517 1
5 40.75575 -73.94517 1
6 40.75575 -73.94517 1
...
80 40.84832 -73.82075 11

यहाँ एक स्पष्ट चित्रण है:



यह चित्रण उपयोगी है, लेकिन यदि आप इसे स्वयं न्यूयॉर्क के मानचित्र पर देखें तो दृश्य अधिक मूल्यवान होगा।

 # devtools::install_github("zachcp/nycmaps") library(nycmaps) map(database="nyc") #this should also work with ggplot and ggalt nyc <- map_data("nyc") gg <- ggplot() gg <- gg + geom_map( data=nyc, map=nyc, aes(x=long, y=lat, map_id=region)) gg + geom_point(data = newyorkdf, aes(x = newyork.LON, y = newyork.LAT), colour = newyorkdf$fit.cluster, alpha = .5) + ggtitle("New York Public WiFi") 

इस प्रकार की क्लस्टरिंग एक शहर में वाईफाई नेटवर्क की संरचना का एक उत्कृष्ट विचार देती है। यह इंगित करता है कि क्लस्टर 1 द्वारा चिह्नित भौगोलिक क्षेत्र बहुत सारे वाईफाई ट्रैफ़िक को दर्शाता है। दूसरी ओर, क्लस्टर 6 में कम कनेक्शन कम वाईफाई ट्रैफ़िक का संकेत दे सकता है।

K-Means क्लस्टरिंग अकेले हमें यह नहीं बताती है कि किसी विशेष क्लस्टर के लिए ट्रैफ़िक उच्च या निम्न क्यों है। उदाहरण के लिए, जब क्लस्टर 6 में उच्च जनसंख्या घनत्व होता है, लेकिन कम इंटरनेट स्पीड के परिणामस्वरूप कम कनेक्शन होते हैं।

हालांकि, यह क्लस्टरिंग एल्गोरिदम आगे के विश्लेषण के लिए एक उत्कृष्ट प्रारंभिक बिंदु प्रदान करता है और अतिरिक्त जानकारी के संग्रह की सुविधा प्रदान करता है। उदाहरण के लिए, उदाहरण के रूप में इस मानचित्र का उपयोग करके, आप व्यक्तिगत भौगोलिक समूहों के संबंध में परिकल्पना का निर्माण कर सकते हैं। मूल लेख यहाँ है ।