# 05 :: Techniki analityczne - klastrowanie
###### tags: `Wizualizacja danych + dashboardy` `Tableau`

[TOC]

# Wprowadzenie - cel ćwiczenia
Celem ćwiczenia jest doskonalenie umiejętności wykorzystania narzędzi analityki wizualnej w Tableau.

# 1. Klastrowanie
Wśród narzędzi analitycznych oferowanych przez Tableau są znajdują się m.in. metody grupowania danych - tzw. analiza klastrowa. Klastrowanie to technika grupowania obiektów o podobnych własnościach, zaś klaster powstający podczas grupowania to klasa obiektów podobnych.

Klastrowanie to metoda uczenia maszynowego, należąca do klasy metod uczenia nienadzorowanego - jej celem jest znalezienie „naturalnych” skupień dla zbioru obiektów. Odpowiednikiem tej metody w uczeniu nadzorowanym jest proces klasyfikacji.

Problem klastrowania ppolega na podziale zbioru **P** na **k** klastrów tak aby funkcja **F** przyjmowała maksymalną wartość, gdzie:
* **k** - liczba klastrów,
* **P** - zbiór obiektów,
* **F** - funkcja oceny jakości klastrów (objective function).

## Przykład klastrowania - analiza atrakcyjności krajów pod katem trustyki senioralnej
Celem zadania jest przeprowadzenie procesu przyporządkowania poszczególnych krajów do zbiorów grupujących kraje, wśród których potencjał turystyczny osób w przewdziale wiekowym 65+ jest na podobnym poziomie.

## 1.1. Dane źródłowe
Analiza będzie przeprowadzona na wbudowanym w Tableau zbiorze wskaźników ekonomicznych - World Indicators.

## 1.2. Identyfikacja zmiennych wykorzystywanych do klastrowania
Podczas przygotowania analizy to projektant/analityk decyduje, które zmienne wykorzysta do realizacji procesu klastrowania. Wybór zmiennych powinien być uzasadniony logicznie, tzn. należy poszukiwać takich zmiennych, których wartości mogą być determinujące dla analizowanego podziału. W naszym zadaniu, jako zmienne wykorzystywane podczas klastrowania proponuję przyjąć:
* oczekiwana długość zycia kobiet, oczekiwana długość życia mężczyzn - im dłużej osoby z grupy 65+ żyją tym dłużej mogą być uczestnikami rynku turystycznego,
* liczebność grupy 65+ (w % ogólnej populacji)- im jest liczniejsza, tym rynek usług utystycznych skierowany do niej może być większy,
* suma wydatków trustycznych na osobę w danym kraju - większa wartość wpływa korzystnie na rynek usług turystycznych.

{%youtube mfrNWvoBCTg %}

## 1.3 Ocena wyników klastrowania
W celu oceny wynikó klastrowania należy wyświetlić z menu podręcznego opcję *Describe clusters*.


Opcja ta wywołuje okienko , w którym mamy dostępne następujące informacje:
* współrzędne centrów poszczególnych klastrów,
* liczbę punktów sklasyfikowanych w poszczególnych grupach,
* **Suma kwadratów między grupami (Between-group sum of squares)** - metryka kwantyfikująca separację między klastrami jako suma kwadratowych odległości między centrum każdego klastra (wartość średnia), ważona liczbą punktów danych przypisanych do klastra i środkiem zestawu danych. **Im większa wartość, tym lepsza separacja między klastrami.**
* **Suma kwadratów w grupie (Within-group sum of squares)** - Metryka określająca spójność skupień jako suma kwadratowych odległości między środkiem każdego skupienia a poszczególnymi znakami w skupieniu. **Im mniejsza wartość, tym bardziej spójne są klastry.**

:::info
Zasadniczo, analiza jest tym bardziej udana im większa jest wartość metryki:
**(between-group sum of squares)/(total sum of squares)**
Powyższa metryka może przyjmować wartości z zakresu <0; 1>.
:::


# 2. Ćwiczenie - Klasteryzacja krajów z wykorzystaniem uczenia nienadzorowanego dla HELP International

## 2.1 Opis problemu
**Cel:**
Sklasyfikowanie krajów na podstawie czynników społeczno-ekonomicznych i zdrowotnych, które decydują o ogólnym rozwoju kraju.

**O organizacji:**
HELP International to międzynarodowa humanitarna organizacja pozarządowa, której celem jest walka z ubóstwem i zapewnienie mieszkańcom krajów zacofanych podstawowych udogodnień i pomocy w czasie katastrof i klęsk żywiołowych.

**Opis problemu:**
HELP International udało się zebrać około 10 milionów dolarów. Dyrektor generalny organizacji pozarządowej musi teraz zdecydować, jak wykorzystać te pieniądze w sposób strategiczny i efektywny. Prezes musi więc podjąć decyzję o wyborze krajów, które najbardziej potrzebują pomocy. Twoim zadaniem jako Data scientist jest zatem skategoryzowanie krajów na podstawie pewnych czynników społeczno-ekonomicznych i zdrowotnych, które determinują ogólny rozwój kraju. Następnie musisz zasugerować, na których krajach dyrektor generalny powinien się najbardziej skupić.

## 2.2 Dane źródłowe
Dane dostęppne w serwisie [Kaggle](https://www.kaggle.com/datasets/rohan0301/unsupervised-learning-on-country-data).

> **Kaggle**, spółka zależna Google LLC, to internetowa społeczność naukowców zajmujących się danymi oraz praktyków uczenia maszynowego. Kaggle pozwala użytkownikom wyszukiwać i publikować zbiory danych, badać i budować modele w internetowym środowisku nauki o danych, współpracować z innymi naukowcami i inżynierami uczenia maszynowego oraz brać udział w konkursach mających na celu rozwiązywanie problemów z zakresu nauki o danych.
> Firma Kaggle rozpoczęła swoją działalność w 2010 r., organizując konkursy z zakresu uczenia maszynowego, a obecnie oferuje również publiczną platformę danych, oparty na chmurze warsztat do nauki o danych oraz edukację w zakresie sztucznej inteligencji. W 2011 roku firma pozyskała kapitał własny, który wyceniono na 25 milionów dolarów. W dniu 8 marca 2017 r. firma Google ogłosiła, że przejmuje Kaggle.
[TOC]