XÂY DỰNG HỆ THỐNG GOM NHÓM VÀ DỰ ĐOÁN

Abstract

Ở thời đại kỹ thuật số hiện nay, các tập dữ liệu lớn đã xuất hiện và việc vận dụng các phương pháp, mô hình máy học đã góp phần giải quyết các vấn đề này, qua đó cũng làm tăng hiệu quả trong công việc. Trong lĩnh vực khoa học dữ liệu, phân tích và dự đoán đã trở thành một vấn đề được quan tâm. Với sự kết hợp của cả hai phương pháp phân cụm dữ liệu và hồi quy, hệ thống sẽ có khả năng phân tích và dự đoán giá trị dữ liệu hiệu quả hơn, đồng thời cải thiện độ chính xác và đáng tin cậy của kết quả. Mục đích chính là gom cụm để tìm được những phần tử có đặc trưng tương tự nhau, sau đó sử dụng mô hình hồi quy để kết quả dự đoán chính xác hơn. Trong đề tài luận văn này, đã xây dựng một hệ thống linh hoạt và tự động cho phép người dùng chọn dữ liệu học, các thuộc tính và giải thuật học. Người dùng có khả năng gom cụm dữ liệu và dự đoán các dữ liệu mới một cách linh hoạt. Đề tài tập trung vào việc sử dụng giải thuật gom cụm để phân loại dữ liệu dựa trên các đặc điểm mà người dùng quan tâm. Sau đó giải thuật LSTM được sử dụng để dự đoán lượng hàng hoá sẽ được bán ra trong thời gian tiếp theo. Đề tài này được thực nghiệm trên tập dữ liệu đơn hàng của một doanh nghiệp chuyên cung cấp các thiết bị điện tử trong giai đoạn từ quý II năm 2017 đến hết quý I 2018. Trong thí nghiệm, số cụm được chọn là 7, giải thuật hồi quy LSTM được sử dụng để dự đoán số lượng sản phẩm bán ra. Đánh giá mô hình LSTM dự đoán trên dữ liệu chuỗi thời gian ngành hàng máy lạnh có sai số MSE là 69,317.44. Mô hình được huấn luyện với số bước đầu vào là 3, số bước đầu ra là 1 và 200 epochs.