- Autor
- Pełka Marcin (Uniwersytet Ekonomiczny we Wrocławiu), Wilk Justyna (Uniwersytet Ekonomiczny we Wrocławiu)
- Tytuł
- Metody selekcji zmiennych symbolicznych w zagadnieniach klasyfikacji
Methods of Selecting Symbolic Variables for Clustering Problems - Źródło
- Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (17), 2010, nr 107, s. 216-223, rys., tab., bibliogr. 17 poz.
Research of Wrocław University of Economics - Tytuł własny numeru
- Klasyfikacja i analiza danych - teoria i zastosowania
- Słowa kluczowe
- Klasyfikacja, Dobór zmiennych, Analiza danych
Classification, Variables selection, Data analysis - Uwagi
- streszcz., summ.
- Abstrakt
- Celem artykułu jest przedstawienie i porównanie dwóch metod selekcji zmiennych w analizie danych symbolicznych tj. metody grafowej Ichino oraz modyfikacji metody HINoV. W artykule przedstawiono podstawowe pojęcia z zakresu analizy danych symbolicznych wraz z możliwymi metodami selekcji zmiennych symbolicznych. W części empirycznej porównano wyniki badań symulacyjnych na przykładzie danych wygenerowanych za pomocą procedury cluster.Gen z pakietu cluster.Sim dla programu R.(abstrakt oryginalny)
The aim of this paper is to present and compare two symbolic variable selecting procedures Ichino's graph feature selection and modification of HINoV. The paper presents basic terms of symbolic data analysis and possible selecting methods for this kind of data. In the empirical part, simulation experiment results are compared based on artificial data generated by cluster . Gen procedure from clusterSim package for R software.(original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Pełny tekst
- Pokaż
- Bibliografia
-
- Bock H.H., Diday E. (red.), Analysis of Symbolic Dala. Exploratory Methods for Extracting Statistical Information from Complex Data, Springer-Verlag, Berlin-Heidelberg 2000.
- Carmone F.J, Kara A., Maxwell S., HINoV: a new method to improve market segment definition by indentifying noisy variables, "Journal of Marketing Research" 1999, listopad, vol. 36, s. 501-509.
- Dudek A., Miary podobieństwa obiektów symbolicznych. Odległość Ichino-Yaguchiego, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1021, AE, Wrocław 2004.
- Fowleks E.B., Gnanadesikan R., Kettenring J.R., Variable Selection in Clustering and other Contexts,[w:] Design, Data, and Analysis, red. C.L. Mallows, Wiley, New York, Toronto 1987.
- Fowleks E.B., Gnanadesikan R., Kettenring J.R., Variable selecting in clustering, "Journal of Classification" 1988 vol. 5, s. 205-228
- Gatnar E., Walesiak M. (red.), Metody statystycznej analizy wielowymiarowej w badaniach marketigowych, AE, Wrocław 2004.
- Gnanadesikan R., Kettenring J.R., Tsao S.L., Weighting and selection of variables for cluster analysis, "Journal of Classification" 1995 vol. 12.
- Guyon I., Elisseeff A., An introduction to variable and feature selection, "Journal of Machine Learning Research" 2003 no 3.
- Ichino M., Sklansky J., The relative neighborhood graph for mixed feature variables, "Pattern Recognition" 1985 vol. 18, no 2.
- Ichino M., Feature Selection for Symbolic Data Classification, [w:] New approaches in Classification and Data Analysis, E. Diday (red.), Springer-Verlag, Berlin-Heidelberg 1994.
- Makarenkov V., Legendre P., Optimal variable weighting for ultrametric and additive trees and k-means partitioning methods and software, "Journal of Classification" 2001 vol. 18.
- Milligan G.W., Issues in applied classification: selection of variables to cluster, Classification Society of North America Newsletter", listopad 1994, Issue 37.
- Pełka M., Porównanie strategii klasyfikacji danych symbolicznych, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu (w druku), 2009.
- Sokołowski A., Empiryczne testy istotności w taksonomii. Zeszyty Naukowe AE w Krakowie, seria specjalna: Monografie nr 108, AE, Kraków 1982.
- Talavera L., Dependency-based feature selection for clustering symbolic data, "Intelligent Data Analysis" 2000 vol. 4, Issue 1.
- Walesiak M., Problemy selekcji i ważenia zmiennych w zagadnieniu klasyfikacji. Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1076, AE, Wrocław 2005.
- Walesiak M., Dudek A., Identification of Noisy Variables for Nonmetric and Symbolic Data in Cluster Analysis, [w:] C. Preisach, H. Burkhardt, L. Schmidt-Thieme, R. Decker, Data Analysis, Machine Learning and Applications, Studies in Classification, Data Analysis and Knowledge Organization, Springer-Verlag, Berlin-Heidelberg 2008.
- Cytowane przez
- ISSN
- 1899-3192
1505-9332 - Język
- pol
