An Entropy Based Non-Wrapper Approach for Choosing Variables in Cluster Analysis

• Autorzy: Jerzy Korzeniewski

Warianty tytułu

Metoda wybierania zmiennych w analizie skupień oparta na entropii niezależna od metody grupowania

• Języki publikacji: EN

Abstrakty

EN

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)

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)

Słowa kluczowe

EN

Cluster analysis; Entropy; Normal distribution

PL

Analiza skupień; Entropia; Rozkłady normalne

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2011
• Tom: 255 Methodological Aspects of Multivariate Statistical Analysis : Statistical Models and Applications
• Strony: 161--165

Twórcy

autor

Jerzy Korzeniewski

• University of Lodz, Poland

Bibliografia

• Brusco M. J., Cradit J.D. (2001). A variable-selection heuristics for K-means clustering. Psychometrika 66.
• 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.
• Dash M., Liu H. (2000) Feature selection for clustering. Proceedings of Fourth Pacific-Asia Conference on Knowledge Discovery and Data Mining. (PAKDD).
• Law M., Jain A., Figueiredo M. (2004). Simultaneous feature selection and clustering using mixture models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 26.
• Steinley D., Brusco M. (2008). Selection of Variables in Cluster Analysis: An Empirical Comparison of Eight Procedures . Psychometrika 73 No. 1.
• Steinley D., Henson R. (2005) OCLUS: An analytic method for generating clusters with known overlap. Journal of Classification. 22.
• Steinley D., Brusco M. (2007). A new variable weighting and selection procedure for K-means cluster analysis. Psychometrika 66

Identyfikatory

DOI

11089/693