Data mining analysis using clustering technique

U završnom radu objašnjen je pojam dubinske analize podataka, grupiranja i osnovni pojmovi koje vezani za grupiranje poput funkcija udaljenosti. Navedene su i kategorije metode grupiranja. Za svaku vrste metode grupiranja je pojašnjen način na koji funkcionira. Isto tako su navedeni primjeri algoritama za različite vrste metoda. Prilikom izrade ovog rada naročita je pažnja posvećena algoritmu k-sredina, hijerarhijskoj metodi, te algoritmu DBSCAN. Upravo tim odabirom bolje objašnjenih algoritama približena je čitatelju raznolikost načina grupiranja. Također se može vidjeti i zaključiti kako za određene skupove podataka bolje odgovaraju određeni algoritmi. Pokazano je i korištenje aplikacije WEKA. Za taj smo primjer koristili algoritam k-sredina i uspješno prikazali grupiranje nad određenim skupom podataka.In this bachelor thesis we describe the concept of data mining, clustering and basic concepts related to clustering as a function of distance. We list different clustering categories. For each clustering type we explain the way it works. We also list examples of algorithms for different types of methods. In this work, particular attention was paid to the k-means algorithm, hierarchical method, and DBSCAN algorithm. By choosing this particular selection of algorithms, we present the reader a variety of clustering possibilities. A conclusion can be made, that certain algorithms are better suited for certain sets of data. We also demonstrate the use of application WEKA. For this demonstration example, we used the k-means algorithm and successfully illustrated the clustering of a given set of data