BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Łapczyński Mariusz (Kolegium Nauk o Zarządzaniu i Jakości)
Tytuł
Możliwości wykorzystania drzew klasyfikacyjnych w badaniach ruchu turystycznego
Possibilities for the Use of Classification Trees in Tourism Research
Źródło
Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie, 2002, nr 605, s. 153-167, bibliogr. 10 poz.
Słowa kluczowe
Badanie rynku, Turystyka, Analiza wielowymiarowa
Market research, Tourism, Multi-dimensional analysis
Uwagi
summ.
Abstrakt
W opracowaniu przedstawiono próbę wykorzystania algorytmu drzew klasyfikacyjnych CART jako instrumentu do badania natężenia ruchu turystycznego. W pracy wykorzystano bazę danych Zamku Królewskiego na Wawelu, zawierającą dane o grupach zorganizowanych, jakie w 1997 r. odwiedzały komnaty.

The aim of the research was to examine the tourist market with reference to foreigners visiting Wawel Castle in Kraków. Because of the large number of cases, and because the variables were not parametric, a decision was made to use classification trees, which are among the methods used in data mining. data mining is one of the stages in what is known as the knowledge discovery process in databases. The article therefore contains a brief introduction to this subject. The research used the CART(R) program, which is the best application for this algorithm. The complexity of the research topic and the limited amount of time that could be devoted to it meant that attention was mainly focussed on Italian-speaking tourists. The results obtained may prove useful in the rationalisation of human resources policy and the work of tourist guides. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Breiman L., Arcing Classifiers, "The Annals of Statistics" 1998, nr 26(3).
  2. Classification and Regression Trees, L. Breiman, J.H. Friedman, R.A. Olshen, C.J. Stone, Chapman and Hall, New York 1993.
  3. Edelstein H., Data Mining - Let's Get Practical, DB 2 Magazine online, 1998, www.db2mag.com
  4. Efron B., Tibshirani R., Cross-Validation and the Bootstrap: Estimating the Error Rate of a Prediction Rule, Technical Report 176, Dept. of Statistics, Stanford University, Stanford 1995.
  5. Freund Y., Schapire R.E., A Short Introduction to Boosting, "Journal of Japanese Society for Artificial Intelligence" 1999, nr 14(5).
  6. Kohavi R., A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection, International Joint Conference on Artificial Intelligence, Montreal 1995.
  7. Kohavi R., Provost F., Glossary of Terms, "Machine Learning" 1998, nr 30 (2/3).
  8. Mannila H., Data Mining: Machine Learning, Statistics, and Databases, Department of Computer Science, University of Helsinki, www.cs.helsinki.fi, plik pobrano w listopadzie 2000.
  9. Nakhaeizadeh G., Taylor C.C., Machine Learning and Statistics - The Interface, J Wiley, New York 1997.
  10. Zaliwski A., Korporacyjne bazy wiedzy, PWE, Warszawa 2000.
Cytowane przez
Pokaż
ISSN
0208-7944
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu