BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Pełka Marcin (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Podejście wielomodelowe analizy danych symbolicznych w ocenie pozycji produktów na rynku
Ensemble Learning for Symbolic Data in Product Positioning
Źródło
Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu, 2013, nr 2 (40), s. 95-102, rys., tab., bibliogr. 19 poz.
Econometrics / Uniwersytet Ekonomiczny we Wrocławiu
Słowa kluczowe
Podejście wielomodelowe, Analiza skupień, Pozycjonowanie produktu
Multiple-model approach, Cluster analysis, Product positioning
Uwagi
streszcz., summ.
Abstrakt
Pozycjonowanie produktów to szeroka gama działań przedsiębiorstwa, które mają na celu projektowanie oferty i wizerunku firmy. Celem tych działań jest zajęcie wyróżniającego się na tle konkurencji miejsca w świadomości rynku docelowego. Celem artykułu jest zaprezentowanie i zastosowanie podejścia wielomodelowego analizy danych symbolicznych w zagadnieniu klasyfikacji na potrzeby oceny pozycji produktów na rynku. W części empirycznej przedstawiono zastosowanie podejścia wielomodelowego danych symbolicznych bazującego na macierzy współwystąpień oraz metodzie bagging w analizie danych z rynku motoryzacyjnego. Obydwa podejścia dały porównywalne wyniki w sensie skorygowanego indeksu Randa.(abstrakt oryginalny)

Product positioning is a wide range of business activities. Positioning is the process by which marketers try to create an image or identity in the minds of their target market for its product, brand, or organization. The main aim of the paper is to preset and apply ensemble learning for symbolic data in cluster analysis in order to evaluate a product position. Empirical part of the paper presents the application of co-occurrence matrix and bagging algorithm in ensemble learning for symbolic data (car market data was used). These two approaches reached almost the same results when considering adjusted Rand index.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bock H.-H., Diday E. (red.), Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data, Springer Verlag, Berlin-Heidelberg 2000.
  2. Billard L., Diday E. (red.), Symbolic Data Analysis. Conceptual Statistics and Data Mining, John Wiley & Sons, Chichester 2006, s. 7-30.
  3. De Carvalho F.A.T., Lechevallier, De Melo F.M., Partitioning hard clustering algorithms based on multiple dissimilarity matrices, "Pattern Recognition" 2012, no. 45(1), s. 447-464.
  4. Diday E., Noihomme-Fraiture M., Symbolic Data Analysis and the SODAS Software, Wiley, Chichester 2008.
  5. Dudek A., Metody analizy danych symbolicznych w badaniach ekonomicznych, Wyd. UE we Wrocławiu, Wrocław 2013.
  6. Dudoit S., Fridlyand J., Bagging to improve the accuracy of a clustering procedure, "Bioinformatics" 2003, vol. 19, no. 9, s. 1090-1099.
  7. Fred A.L.N., Jain A.K., Combining multiple clustering using evidence accumulation, "IEEE Transactions on Pattern Analysis and Machine Intelligence" 2005, vol. 27, s. 835-850.
  8. Gatnar E., Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2008.
  9. Gatnar E., Walesiak M. (red.), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wyd. AE we Wrocławiu, Wrocław 2004.
  10. Hornik K., A CLUE for CLUster ensembles, "Journal of Statistical Software" 2005, vol. 14, s. 65-72.
  11. Kotler P., Marketing, Rebis, Poznań 2005.
  12. Kotler P., Armstrong G., Saunders J., Wong V., Marketing. Podręcznik europejski, PWE, Warszawa 2002.
  13. Leisch F., Bagged clustering, "Adaptive Information Systems and Modeling in Economics and Management Science", Working Papers 1999, SFB, 51.
  14. Norihomme-Fraiture M., Brito P., Far beyond the classical data models: symbolic data analysis, "Statistical Analysis and Data Mining" 2011, vol. 4, Issue 2, s. 157-170.
  15. Pełka M., Ensemble approach for clustering of interval-valued symbolic data, "Statistics in Transition" 2012, vol. 13, no. 2, s. 335-342.
  16. Pełka M., Jefmański B., Zmienne symboliczne w badaniach marketingowych, "Marketing i Rynek" 2008, nr 2, s. 22-25.
  17. Stanimir A. (red.), Analiza danych marketingowych. Problemy, metody, przykłady. Wyd. AE we Wrocławiu, Wrocław 2006.
  18. Walesiak M., Statystyczna analiza wielowymiarowa w badaniach marketingowych, Wyd. AE we Wrocławiu, Wrocław 1993.
  19. Zaborski A., Skalowanie wielowymiarowe w badaniach marketingowych, Wyd. AE we Wrocławiu, Wrocław 2001.
Cytowane przez
Pokaż
ISSN
1507-3866
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu