Записаться

Файл для скачивания: cars.csv

1. Набор Iris Data

Iris Data (набор данных «Ирис») — популярный учебный набор для базового анализа данных. Он описывает цветок ириса и содержит несколько типов этого растения.

1.1. Загрузка и подготовка

В Power BI подключаем CSV-файл. Разделитель в данных — точка, поэтому используем Replace Values (Замена значений): точку меняем на запятую. Затем столбцы с числами переводим в тип Decimal Number (Десятичное число). Пустую последнюю строку удаляем через Remove Blank Rows (Удалить пустые строки).

1.2. Метрические признаки

После подготовки получаем четыре числовых признака:

Также есть класс ириса. В данных встречаются три типа: Iris setosa, Iris versicolor, Iris virginica.

2. Встроенная кластеризация в Power BI

В Power BI есть встроенная функция Automatic Find Clusters (Автоматический поиск кластеров). Она позволяет искать кластеры без внешнего модуля. Нужно указать количество кластеров.

2.1. Кластеризация по бутону

Строим scatter chart (точечную диаграмму). Берём среднюю длину бутона и среднюю ширину бутона. Включаем автоматический поиск кластеров и задаём три кластера. Результат показывает смешение классов: по двум признакам бутона кластеры плохо совпадают с реальными типами ириса.

2.2. Кластеризация по лепесткам

Меняем признаки: используем длину и ширину лепестка. Снова запускаем поиск трёх кластеров. Теперь разделение почти точное: Iris setosa чётко попадает в отдельный кластер, Iris versicolor и Iris virginica разделяются с единичными ошибками.

3. Сопоставление кластеров с классами

3.1. Условная колонка класса

Создаём новую колонку Class (Класс) через условный оператор IF (ЕСЛИ). Логика:

• если номер кластера равен 3, вернуть Iris setosa;
• иначе если номер кластера равен 1, вернуть Iris versicolor;
• иначе вернуть Iris virginica.

Так кластеры превращаются в предсказанные классы.

3.2. Средняя ошибка

Создаём колонку Ошибка:

• 1 — класс угадан неверно;
• 0 — класс угадан верно.

Затем создаём меру AVG-ошибка (Средняя ошибка). Она равна сумме ошибок, делённой на количество строк. В примере ошибка составила всего 5%. Это хороший результат, если учесть, что использованы только два признака из четырёх.

4. Набор Cars

4.1. Подготовка данных

Загружаем CSV-файл с автомобилями. Переименовываем источник в Машины. Для нужных столбцов с десятичными числами снова используем Replace Values: точку меняем на запятую, а тип данных — на Decimal Number.

4.2. Корреляционный анализ

Из Marketplace (Магазин) добавляем визуальный элемент Correlation Plot (График корреляции). Выбираем числовые поля, кроме Model (Модель), потому что это текстовое и уникальное поле: искать корреляцию с ним бессмысленно. График показывает связи характеристик автомобиля.

Например, MPG (Miles per Gallon, миль на галлон) имеет обратную зависимость с числом цилиндров: чем больше цилиндров, тем меньше пробег на галлон. Также видны разные по силе прямые и обратные связи.

4.3. Кластеризация корреляций

В разделе корреляций включаем отрисовку кластеров. Алгоритм группирует признаки с наибольшей корреляцией друг с другом. Внутри кластеров отображаются значения коэффициента корреляции от -1 до 1. Это помогает быстрее увидеть группы связанных параметров.

5. Что дальше

Далее рассматриваются предсказания по временным рядам и иерархические структуры в Power BI.

Краткие итоги

Практическая ценность такого сценария в том, что он связывает подготовку данных, исследовательскую визуализацию и проверку качества модели. Сначала качество результата определяется аккуратностью преобразований: разделители, типы данных и пустые строки напрямую влияют на корректность расчётов. Затем кластеризация показывает, как из неразмеченных наблюдений можно получить группы, но сами по себе кластеры ещё не являются классами. Их смысл появляется только после сопоставления с предметной интерпретацией и проверки по известным ответам. Поэтому важна не только визуальная красота разделения, но и измеримая метрика ошибки. Выбор признаков оказывается решающим: одни характеристики дают слабое разделение, другие — почти точное. Это демонстрирует, что анализ данных итеративен: результат уточняется через замену переменных, повторный запуск алгоритма и сравнение с эталоном. Корреляционный анализ дополняет картину, показывая силу и направление связей между числовыми признаками. Однако корреляция не доказывает причинность и не работает с уникальными текстовыми полями. Кластеризация корреляционной матрицы помогает структурировать признаки, но итоговые решения всё равно требуют содержательной проверки. В прикладном смысле такой подход применим для быстрой разведки данных, поиска групп, отбора признаков и построения прозрачных индикаторов качества. Он учит отделять техническую обработку от аналитического вывода и не переоценивать автоматический результат без проверки.