Uygulamaya Ait Arayüzler ile İlgili Açıklamalar

Uygulamaya ait olan ana arayüzdeki girdiler sekmesi, merkez tabanlı kümeleme algoritmalarının çalıştırılmasından önce girilmesi gereken bilgilerin bulunduğu sekmedir. Girdiler sekmesinde ilk önce üzerinde işlem yapılacak olan veritabanı seçilir. Daha sonra seçilen veritabanı içindeki tablolardan seçim yapılır. Buradaki tabloların her biri UCI veri deposundan alınan veritabanlarına denk düşmektedir. Seçilen tablonun içeriğindeki nitelikler yani sütunlar ana arayüzdeki nitelikler kısmına dolar. Ardından bu niteliklerden seçilenler, seçilen nitelikler kısmına aktarılır. Girdiler sekmesinde kullanıcı tarafından oluşturulacak olan küme sayısını ifade eden k sayısının girilmesi gerekmektedir. Bu k sayısı 2 ile 20 arasında bir değer almaktadır. Girdiler sekmesinde ilk merkezlerin nasıl oluşturulacağının belirlenmesi için kullanıcıya 3 seçenek sunulmuştur. Bunlardan Macqueen yöntemi seçildiğinde ilk merkezler, veri kümesinin baştan ilk k adet elemanının merkez olarak seçilmesi ile belirlenir. İkinci seçenek olan rasgele yöntemi seçilirse ilk merkezler veri kümesinin rasgele seçilmiş k adet elemanı olmaktadır. Bir diğer seçenek olan rasgele bölümleme yöntemi seçilmiş ise, veri kümesi k adet parçaya ayrılır ve bu parçaların her biri rasgele seçilmiş olan k adet merkezinden biri ile ilişkilendirilir ve her bir merkez kendisi ile ilişkili olan parça içindeki veri noktalarının aritmetik ortalaması alınarak hesaplanır. Girdiler sekmesindeki uzaklık ölçümlerinin seçimi kullanıcıya bırakılmıştır. Kulacı veri noktaları ve merkez noktaları arasındaki uzaklığı bulmada Öklit ya da Manhattan uzaklık ölçümünden yararlanabilmektedir. Belirlenen girdiler

doğrultusunda çalıştırılacak olan merkez tabanlı kümeleme algoritmalarının işleyişinin durdurulabilmesi için kullanıcı seçimine bağlı olan iki durdurma kıstası verilmiştir. Bu durdurma kıstasları; o anki iterasyondaki merkez ile bir önceki iterasyondaki merkezin eşit olması ya da iterasyon sayısının kullanıcı tarafından belirlenen sınıra ulaşması şeklindedir. Ayrıca bulanık k-ortalama algoritmasını için kullanıcı tarafın r değerinin, k-harmonik ortalama, hibrit 1 ve hibrit2 algoritmaları için de p değerinin girilmesi gerekmektedir. Girdiler sekmesine gerekli bilgiler girildikten sonra merkez tabanlı kümeleme algoritmaları olan k-ortalama, bulanık k- ortalama, k-harmonik ortalama, hibrit 1 ve hibrit 2 tuşlarına basılarak algoritmalar çalıştırılabilir. Ayrıca algoritmaları ayrı ayrı çalıştırmak yerine “Hepsini çalıştır” tuşuna basılarak tüm algoritmalar tek bir tuşla da çalıştırılabilir. Uygulamaya ait ana arayüz Şekil 5.13’ te verilmiştir.

Merkez tabanlı kümeleme algoritmalarını ilgili veritabanı üzerinde çalıştırmadan önce kullanılacak niteliklere karar vermek için “Niteliklerin istatistiksel analizi” sekmesini tıklayıp incelemek gerekmektedir. Şekil 5.14’ te görüldüğü gibi diyabet veritabanı içindeki niteliklerin ortalama, varyans ve standart sapma değerleri karşılaştırmalı olarak verilmiştir. Bu nitelik değerleri bize dağılımın yaygınlığı hakkında bilgi vermektedir.

Şekil 5.14: Niteliklerin istatistiksel analizi.

Girdiler sekmesine girilen bilgiler doğrultusunda merkez tabanlı kümeleme algoritmalarının adları ile başlayan tuşların her birine basılması ile ya da “hepsini çalıştır” tuşuyla algoritmaların çalıştırılmasıyla elde edilen kümeleme sonuçları “Kümeleme Algoritmalarının Sonuçları” sekmesinden takip edilebilir. Bu sekmede her bir algoritmanın çalıştırılmasından sonra elde elden sonuçlara ilişkin bilgiler yer almaktadır. Her bir algoritmanın adının altında oluşan kümeler, kümelerde bulunan veri noktalarının sayısı, algoritmanın kümeleme işlemini gerçekleştirdiği iterasyon sayısı, algoritmanın yaptığı kümelemeye ilişkin son performans değeri ve algoritmanın kümeleme işlemini gerçekleştirdiği toplam süre bilgileri yer almaktadır. Şekil 5.15’ da kümeleme sonuçlarının gösterildiği arayüz görülmektedir.

Şekil 5.15: Kümeleme sonuçları arayüzü.

Kümeleme sonuçları arayüzündeki her bir algoritmanın altında bulunan ayrıntılar butonuna basılmasıyla, yapılan kümelemeye ilişkin daha ayrıntılı sonuçlar görülebilmektedir. Ayrıntılar butonuna basılmasıyla elde edilen arayüzde ilgili algoritmanın yaptığı kümelemeye ilişkin iterasyon sayısı, toplam süre ve kümelenen toplam kayıt sayısı bilgileri görülebilmektedir. Ayrıca her bir iterasyondaki toplam karesel hata değerlerine, her bir iterasyondaki milisaniye cinsindeki işlemci zamanı değerlerine, algoritmanın sürekli çalıştırıldığında elde edilen toplam karesel hata değerlerine, her bir iterasyondaki merkez noktaları değerlerine bu ekran üzerinden ulaşılabilmektedir. Aynı ekranda her bir iterasyondaki toplam karesel hata değerlerinin ve işlemci zamanı değerlerinin değişimi grafikler üzerinden takip edilebilmektedir. Yapılan kümeleme işlemi sonucu oluşan kümelerdeki dağılım da veri kümesinin iki boyutlu olması durumunda ekrandaki üçüncü grafik üzerinden takip edilebilmektedir. Kümeleme sonucu oluşan her bir küme ayrı bir renk ile gösterilerek birbirinden ayrıştırılır. Merkez tabanlı kümeleme algoritmalarından biri olan k-ortalama kümeleme algoritmasının kümeleme sonuçları Şekil 5.16’ de ayrıntılı bir şekilde yer almaktadır. Her bir merkez tabanlı kümeleme algoritmalarının kümeleme sonuçlarının takibi için aşağıdaki gibi bir arayüz vardır.

Şekil 5.16: Merkez tabanlı kümeleme algoritmalarından bir olan k-ortalama algoritmasına ilişkin ayrıntılı kümeleme sonuçları.

Ana arayüz üzerindeki “Performans Değerlendirmesi” sekmesinde işleme tabi tutulan tüm merkez tabanlı kümeleme algoritmaları performans açısından karşılaştırılır. Merkez tabanlı kümeleme algoritmalarının her birinin kendine ait bir amaç fonksiyonu vardır. Her bir algoritma kendi amaç fonksiyonu temel alınarak birbiri ile karşılaştırılamaz. Bu nedenle ilgili algoritmaların karşılaştırılmasında kullanılacak ortak bir amaç fonksiyonuna ihtiyaç vardır. Bu amaç fonksiyonun değerlerine göre algoritmalar birbirleri ile performans açısından karşılaştırılırlar. Bu uygulamada, K-ortalama algoritmasının amaç fonksiyonu bilindik ve uygulanması daha kolay olduğundan, algoritmaların performanslarının karşılaştırılmasında K- ortalama algoritmasının amaç fonksiyonunun karekökü kullanılmıştır. Şekil 5.17’ de merkez tabanlı kümeleme algoritmaları grafikler kullanılarak performans açısından karşılaştırılmıştır.

Şekil 5.17: Merkez tabanlı kümeleme algoritmaların performans değerlerine göre karşılaştırılması.

Ana arayüz üzerindeki “İşlemci Zamanı Değerlendirmesi” sekmesinde, işleme tabi tutulan tüm merkez tabanlı kümeleme algoritmalarının işlemci zamanına göre karşılaştırma sonuçları grafikler ile gösterilmektedir. Şekil 5.18’ da merkez tabanlı kümeleme algoritmalarının işlemci zamanına göre karşılaştırılma sonuçları görülebilmektedir. Karşılaştırmaların grafikler aracılığı ile yapılması hangi algoritmanın daha iyi olduğu konusunda kullanıcıya yardımcı olmaktadır.

Şekil 5.18: Merkez tabanlı kümeleme algoritmaların işlemci zamanı değerlerine göre karşılaştırılması.

Ana arayüzdeki sekmelerden biri olan “Algoritmaların Karşılaştırılması” sekmesinde işleme tabi tutulan algoritmalar oluşan kümelerdeki eleman sayıları, son performans değerleri, toplam işlemci zamanlarının tüm işlemci zamanlarına oranı ve küme sayısının geçerliliğine göre karşılaştırılmaktadır. Küme sayısının geçerliliğinin karşılaştırılmasında kullanılan birçok teknik vardır. Bu teknikler kümelemenin temel mantığına dayalı olduğundan uygulamada çalıştırılan algoritmaların küme sayısının geçerliliği bu tekniklere göre karşılaştırılmamıştır. Bunun yerine algoritmalar kümelemenin temel mantığına göre karşılaştırılmıştır. Her veri noktasının kendisine en yakın merkeze uzaklıklarının toplamının, merkezler arasındaki minimum uzaklıkların toplamına bölünmesiyle elde edilen sonuçlara göre algoritmalar karşılaştırılmıştır. Bu küme içi benzerliğin maksimum, kümeler arası benzerliğin minimum olması mantığa dayalı olarak yapılan bir karşılaştırmadır. Bu arayüzde ayrıca kümeleme işlemine tabi tutulan veri kümesi, veri kümesinin eleman sayısı ve kullanılan nitelik değerleri ayrıntılı bir şekilde gösterilmektedir. Bu arayüzde ilgili veritabanı içindeki nitelik değerlerinin her birine ait olan minimum, maksimum, ortalama, varyans ve standart sapma değerleri de verilmekte ve niteliklerin istatistiksel olarak karşılaştırılmaktadır. Şekil 5.19’ da algoritmaların yukarıda anlatılan kıstaslarına göre karşılaştırma sonuçları ayrıntılı bir şekilde görülmektedir.

Şekil 5.19: Merkez tabanlı kümeleme algoritmalarının, oluşan kümelerdeki eleman sayıları, son performans değerleri ve işlemci zamanına göre karşılaştırılması.

İşleme tabi tutulan veri kümesine “Tüm Verilerin Görüntülenmesi” sekmesinden ulaşılabilmektedir. Arayüz aracılığı ile tüm verilerin görüntülenmesi kullanıcıya karşılaştırma yaparken verileri inceleme fırsatı sunmaktadır. Şekil 5.20’ de kümeleme işlemine tabi tutulan veri kümesine ilişkin veriler görüntülenmektedir.

Şekil 5.20: Tüm verilerin görüntülendiği arayüz.

Her algoritmanın çalıştırılması sırasında hesaplanan bilgiler kendi adını taşıyan bir metin dosyasına yazdırılmaktadır. Bu dosyada ekranda görüntülenen rakamsal bilgiler ve bunlarla ilişkili diğer bilgiler yer almaktadır. Dosyalar aracılığı ile algoritmaların kümeleme işlemine ilişkin adımları takip edilebilmektedir.