BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Walesiak Marek (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Procedura analizy skupień z wykorzystaniem programu komputerowego clusterSim i środowiska R
Cluster Analysis Procedure with ClusterSim Computer Programme and E Environment
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (15), 2008, nr 7 (1207), s. 44-56, rys., tab., bibliogr. 16 poz.
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Analiza skupień, Programy komputerowe, Funkcje, Pakiet statystyczny
Cluster analysis, Computer programs, Functions, Statistical package
Uwagi
summ.
Abstrakt
W artykule scharakteryzowane zostaną funkcje pomocnicze clusterSim oraz wybrane funkcje pakietów stats, luster ade4, służące poszczególnym etapom analizy skupień. Ponadto zaprezentowane zostaną przykładowe składnie poleceń (procedury) ułatwiające potencjalnemu użytkownikowi realizację wielu zagadnień klasyfikacyjnych niedostępnych w podstawowych pakietach statystycznych (np. SPSS, Statistica, S-Plus, SAS). (fragment tekstu)

The first part of the article presents major steps in a cluster analysis procedure (see [Milligan 1996, 342-343; Walesiak 2005]). The next part presents the functions of clusterSim, stats, cluster, and ade4 packages of R environment which are applied to solving clustering problems in each stage of this procedure. Also the examples of the syntax (procedures) for solving different clustering problems are presented. These procedures help to resolve a broad range of classification problems that are not available in statistical packages (e.g. SPSS, Statistica, S-Plus, SAS). (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Breckenridge J.N. (2000), Validating Cluster Analysis: Consistent Replication and Symmetry, „Multivariate Behavioral Research", 35 (2), s. 261-285.
  2. Caliński R.B., Harabasz J. (1974), A Dendrite Method for Cluster Analysis, „Communications in Statistics", vol. 3, s. 1-27.
  3. Carmone F.J., Kara A., Maxwell S. (1999), HINoV: a New Method to Improve Market Segment Definition by Identifying Noisy Variables, „Journal of Marketing Research", November, vol. 36, s. 501-509.
  4. Hartigan J. (1975), Clustering Algorithms, Wiley, New York.
  5. Hubert L. (1974), Approximate Evaluation Technique for the Single-link and Complete-link Hierarchical Clustering Procedures, „Journal of the American Statistical Association", vol. 69, nr 347, s. 698-704.
  6. Kaufman L., Rousseeuw P.J. (1990), Finding Groups in Data: an Introduction to Cluster Analysis, Wiley, New York.
  7. Milligan G.W. (1996), Clustering Validation: Results and Implications for Applied Analyses, [w:] Clustering and Classification, red. P. Arabie, L.J. Hubert, G. de Soete, World Scientific, Singapore, s. 341-375.
  8. Milligan G.W.. Cooper M.C. (1985), An Examination of Procedures of Determining the Number of Cluster in a Data Set, “Psychometrika". vol. 50, nr 2, s. 159-179.
  9. K Development Core Team (2006), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna. URL http: R-project.org.
  10. Tibshirani R., Walther G., Hastic T. (2001), Estimating the Number of Clusters in a Data Set via the Gap Statistic, „Journal of the Royal Statistical Society", ser. B, vol. 63, part 2, s. 411-423.
  11. Walesiak M. (2005), Rekomendacje w zakresie strategii postępowania w procesie klasyfikacji zbioru obiektów, [w:] Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, red. A. Zeliaś, AE, Kraków, s. 185-203.
  12. Walesiak M. (2006), Uogólniona miara odległości GDM w programie komputerowym clusterSim dla środowiska R, [w:] Taksonomia 14, red. K. Jajuga, M. Walesiak, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1169, AE, Wrocław.
  13. Walesiak M., Dudek A. (2006), Symulacyjna optymalizacja wyboru procedury klasyfikacyjnej dla danego typu danych - oprogramowanie komputerowe i wyniki badań, [w:] Taksonomia 13, red. K. Jajuga, M. Walesiak, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1126, AE, Wrocław, s. 120-129.
  14. Walesiak M., Dudek A. (2007a), Symulacyjna optymalizacja wyboru procedury klasyfikacyjnej dla danego typu danych - charakterystyka problemu, Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 450, s. 635-646.
  15. Walesiak M., Dudek A. (2007b), Determination of Optimal Clustering Procedure for a Data Set, 30th Annual Conference of the Gentian Classification Society (GfKl) „Advances in Data Analysis", Berlin, March 8-10, 2006.
  16. Walesiak M. (2007), Ocena stabilności wyników klasyfikacji z wykorzystaniem analizy replikacji, Prace Naukowe Akademii Ekonomicznej we Wrocławiu (w przygotowaniu).
Cytowane przez
Pokaż
ISSN
1899-3192
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu