BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Lasek Mirosława, Pęczkowski Marek
Tytuł
Przeprowadzanie segmentacji przedsiębiorstw za pomocą drzew klasyfikacyjnych
Segmentation of Firms by Means of Classification Trees
Źródło
Ekonomia / Uniwersytet Warszawski, 2002, nr 7, s. 70-99, bibliogr. 13 poz.
Słowa kluczowe
Analiza statystyczna, Metody statystyczne, Przedsiębiorstwo, Spółki
Statistical analysis, Statistical methods, Enterprises, Companies
Uwagi
summ.
Abstrakt
W artykule podjęto próbę wykorzystania drzew klasyfikacyjnych do segmentacji przedsiębiorstw - polskich spółek giełdowych - na podstawie danych określających ich sytuację finansową i majątkową. Drzewa klasyfikacyjne (zwane także drzewami decyzyjnymi) są jedną z metod eksploracji danych.

The objective of the paper was to present the utility and applicability of the method of generating classification trees for the purposes of segmentation of firms by their economic standing, i.e. their financial and assets condition. The method of classification tree generation belongs to the group of the "data mining" methods that permit to find out, basing on large data sets, the relationships and links among data. Variables used to classify the firms were financial and assets indices, indices of the firms' position in the capital market, as well as values from financial statements (balance sheet, profit and loss account, cash flow account). Different algorithms were used to generate the classification trees: Chaid, Exhaustion Chaid, C&RT, Quest. In the paper, examples were presented of applying the classification trees to segmentation of firms. Advantages and drawbacks of performing the segmentation of firms by means of the classification trees were discussed. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. AnswerTree. User's Guide, 1998, SPSS Inc., Chicago.
  2. Biggs D., de Ville B., Suen E., 1991, A method of choosing multiway partitions for classification and decision trees, "Journal of Applied Statistics" nr 18, s. 49-62.
  3. Breiman L., Friedman J., Olshen R., Stone C., 1984, Classification and Regression Trees, CRC Press, London.
  4. Gatnar E. 2001, Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.
  5. Gatnar E., 1998, Symboliczne metody klasyfikacji danych, Wydawnictwo Naukowe PWN, Warszawa.
  6. http://www.spss.pl
  7. Kass G., 1980, An exploratory technique for investigating large quantities of categorical data, "Applied Statistics" 29:2, s. 119-127.
  8. Kovalerchuk B., Vityaev E., 2000, Data Mining in Finance. Advances in Relational and Hybrid Methods, Kluwer.
  9. Lasek M., Pęczkowski M., 1991, Knowledge Acquistition Method of Expert System for Analysis of Financial Standing of an Enterprise, w: Alty J. L., Mikulich L. I. (wyd.), Industrial Applications of Artificial Intelligence, North-Holland, s. 81-86.
  10. Loh W., Shih Y., 1997, Split selection methods for classification trees, Statistica Sinics.
  11. Shi Y., 2000, Data Mining, w: Zeleny M., The IEBM Handbook of Information Technology in Business, Business Press, Thomson Learning, s. 490-495.
  12. Witten J. H., Frank E., 2000, Data Mining. Practical Machine Learning Tools and Techniques with Java Implementations, Academic Press, Morgan Kaufmann Publishers.
  13. Zakrzewicz M., 2001, Eksploracja danych (Data Mining) - zbiór technik automatycznego odkrywania nietrywialnych zależności i schematów w dużych zbiorach danych, http://www.cs.put.poznan.pl/mzakrzewicz.
Cytowane przez
Pokaż
ISSN
0137-3056
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu