BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Korzeniewski Jerzy (University of Lodz, Poland)
Tytuł
An Entropy Based Non-Wrapper Approach for Choosing Variables in Cluster Analysis
Metoda wybierania zmiennych w analizie skupień oparta na entropii niezależna od metody grupowania
Źródło
Acta Universitatis Lodziensis. Folia Oeconomica, 2011, t. 255, s. 161-165, bibliogr. 7 poz.
Tytuł własny numeru
Methodological Aspects of Multivariate Statistical Analysis : Statistical Models and Applications
Słowa kluczowe
Analiza skupień, Entropia, Rozkłady normalne
Cluster analysis, Entropy, Normal distribution
Uwagi
summ., streszcz.
Abstrakt
W artykule badamy sprawność algorytmu wybierania zmiennych w analizie skupień opartego na entropii (por. Dash. Liu. 2000). Ocena oparta jest na eksperymencie, w którym zbiory generowane są w postaci mieszanin rozkładów normalnych. Wyniki wskazują na to. że metoda nie radzi sobie tak dobrze jak to sugerowali Autorzy. (abstrakt oryginalny)

In the paper, we investigate the efficiency of an algorithm for the choice of variables in cluster analysis built on the entropy approach (Dash, Liu, 2000). The assessment of this algorithm is carried out on synthetic data sets in the form of the mixtures of normal distributions. It turns out that the method is not working so well as the Authors of the entropy based approach suggested. (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. Brusco M. J., Cradit J.D. (2001). A variable-selection heuristics for K-means clustering. Psychometrika 66.
  2. Carmone F. J. Jr., Kara Ali, Maxwell S. (1999). HINoV: A New Model to Improve Market Segment Definition by Identifying Noisy Variables . Journal of Marketing Research. Vol. 36. No. 4.
  3. Dash M., Liu H. (2000) Feature selection for clustering. Proceedings of Fourth Pacific-Asia Conference on Knowledge Discovery and Data Mining. (PAKDD).
  4. Law M., Jain A., Figueiredo M. (2004). Simultaneous feature selection and clustering using mixture models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 26.
  5. Steinley D., Brusco M. (2008). Selection of Variables in Cluster Analysis: An Empirical Comparison of Eight Procedures . Psychometrika 73 No. 1.
  6. Steinley D., Henson R. (2005) OCLUS: An analytic method for generating clusters with known overlap. Journal of Classification. 22.
  7. Steinley D., Brusco M. (2007). A new variable weighting and selection procedure for K-means cluster analysis. Psychometrika 66
Cytowane przez
Pokaż
ISSN
0208-6018
Język
eng
URI / DOI
http://hdl.handle.net/11089/693
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu