BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Basiura Beata (AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Title
Metoda Warda w zastosowaniu klasyfikacji województw Polski z różnymi miarami odległości
The Ward Method in the Application for Classification of Polish Voivodeships with Different Distances
Source
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (21), 2013, nr 279, s. 209-216, tab., bibliogr. 14 poz.
Research Papers of Wrocław University of Economics
Issue title
Klasyfikacja i analiza danych - teoria i zastosowania
Keyword
Miara podobieństwa, Metoda Warda, Klasyfikacja, Miara odległości, Odległość euklidesowa
Similarity measure, Ward method, Classification, Distance measures, Euclidean distance
Note
streszcz., summ.
Abstract
W niniejszej pracy proponuje się porównanie wyników klasyfikacji województw Polski z zastosowaniem różnych funkcji celu. Badanie starano się przeprowadzić na podstawie danych empirycznych z uzasadnieniem wyboru miary podobieństwa. Porównano wyniki otrzymane przy zastosowaniu klasycznej metody Warda oraz algorytmu proponowanego przez formułę Lance'a-Williamsa. Wydaje się, że stosowanie różnych miar odległości w klasyfikacji województw Polski metodą Warda daje porównywalne jakości klasyfikacji. Na tle zaproponowanych odległości wyróżnia się ważona odległość euklidesowa.(abstrakt oryginalny)

This paper proposes to compare the results of the classification of Polish voivodeships with different objective function. It was attempted to perform the study on the basis of empirical justification for the selection of the similarity measures. The results obtained using the classical method of Ward and the algorithm proposed by the Lance-Williams formula were compared. It seems that the use of different distance measures in the classification of Polish voivodeships using the Word method gives comparable classification quality. Against the background of the proposed distance the weighted Euclidean distance is distinguished.(original abstract)
Accessibility
The Main Library of the Cracow University of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Bibliography
Show
  1. Batagelj V., 1988, General Ward and Related Clustering Problems, Classification and Related Methods of Data Analysis, Amsterdam, pp. 67-74.
  2. Calinski R.B., Harabasz J., 1974, A dendrite method for cluster analysis, "Communications in Statistics", vol. 3, 1-27.
  3. Davies D.L., Bouldin D.W., 1979, A cluster separation measure, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 1, no. 2, pp. 224-227.
  4. Gatnar E.,Walesiak M. (red.), 2004, Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo AE, Wrocław.
  5. Jain A., Dubes R., 1988, Algorithms for Clustering Data, Prentice Hall, New Jersey.
  6. Kaufman L., Rousseeuw P.J., 1990, Finding Groups in Data: an Introduction to Cluster Analysis, Wiley, New York, pp. 83-88.
  7. Lance G., Williams W.T., 1967, A general theory of classificatory storing strategies i hierarchical systems, "Computer Journal", nr 9.
  8. Mirkin B., 2005, Clustering for Data Mining, Chapman&Hall/CRC.
  9. Sokal R.R., Rohlf F.J., 1962, The comparison of dendrograms by objective methods, "Takson" no. 2, pp. 33-40.
  10. Szekely G., Rizzo M., 2005, Hierachical clustering vie Joit between-within distances: extending Ward's minimum variance method, "Journal of Classification", vol. 22, pp. 151-183.
  11. Walesiak M., Gatnar E., 2009, Statystyczna analiza danych z wykorzystaniem programu R, PWN, Warszawa.
  12. Walesiak M., Dudek M., 2012, Package 'clusterSim' in R project, http://keii.ue.wroc.pl/clusterSim/ index.html.
  13. Ward J.H., 1963, Hierarchical grouping to optimize an objective function, "Journal of the American Statistical Association", no. 58, pp. 236-244.
  14. R Development Core Team (2005). R: A language and environment for statistical computing, reference index version 2.12.2 (2011-02-25) R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org.
Cited by
Show
ISSN
1899-3192
1505-9332
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu