Ülkelerin yolsuzluk göstergelerine göre DBSCAN ile kümelenmesi

Abstract

Kümeleme analizi, verilerin birbirilerine benzerliklerine göre kümelerde toplanmasını sağlayan çok değişkenli analiz yöntemidir. Kümeleme analizinde genel amaç, gözlemleri ya da değişkenleri benzerliklerine göre kategorize etmek, kümelerine ayırmaktır. İyi bir kümeleme algoritmasından farklı şekilde kümeleri tespit etmesi ve aykırı değerlerden etkilenmemesi beklenir. Gerçek hayat veri setlerinde, gürültü içeren veri setleri ile karşılaşmak mümkündür ve bu veri setleri, küresel olmayan, farklı şekilde kümelemeler içerebilmektedir. Bu problemleri çözmek amacıyla yoğunluk tabanlı kümeleme algoritmaları geliştirilmiştir. Bu çalışmada, yoğunluk tabanlı kümeleme algoritmalarından en sık kullanılan yöntem olan DBSCAN ile klasik kümeleme analizi yöntemlerinden sık kullanılan K-Means algoritması detaylıca anlatılmış olup, uygulama bölümünde 204 ülke, yolsuzluk göstergelerine göre her iki yöntemle de kümelenip karşılaştırılmıştır. Dünya Bankası’nın yolsuzluğu ölçmek amacıyla hesapladığı Küresel Yönetişim Göstergeleri kullanılmış olup 2020 yılına ait veriler kullanılmıştır. İki yöntemin kümeleme sonuçlarını karşılaştırmak amacıyla Silhouette katsayısı kullanılmış, küme atamaları arasında bağlılığı araştırmak amacıyla Ki-Kare Bağımsızlık testi yapılmıştır. Analizler sonucunda aynı ülkeler iki yöntemde de benzer kümelerde yer alsa da iki yöntemin küme atamaları arasında bağımsızlık saptanmıştır. Yolsuzluk göstergeleri çerçevesinde K-Means algoritmasının DBSCAN algoritmasından daha iyi kümeleme yaptığı sonucuna varılmıştır.

Clustering Analysis is a multiveriate analysis that enables data to be collected according to similarities. The general idea is cluster anaylsis is categorize observations or veriables according to similarities. A good clustering analysis is not be efected by outlaiers and detect clusters. In real life data sets is possible to meet contain noise data sets and these data sets may contain aspheric, different shape clusters. The purpose of solving this problems, density based clustering algorithm have been devoloped. In this thesis study, DBSCAN which is the most frequently using method which is used and also K-Means classical algorithm which is the most frequently using method is explained in details. 204 country are clustered and compare according to corruption indicatiors with both methods in the implemantation part. In this study, Worldwide Governence Indicators 2020 data were used which is calculated by World Bank for measure corruption. Silhouette parameter were used for comparing results of two methods and also Chi-Square Independence test were used for searching dependence between clustered assignment. As a results of analysis, even though the same contries were in similar clusters in both methods, indipendence found between the cluster assignments of the two methods. In the pursuant to corruption indicators, K-Means algorithm have better clustering than DBSCAN algorithm.