Kryterium Mojeny i Wisharta w analizie skupień - przypadek skupień o różnych macierzach kowariancji

• Autorzy: Artur Mikulec

Warianty tytułu

Mojena and Wishart Criterion in Cluster Analysis - the Case of Clusters with Different Covariance Matrices

• Języki publikacji: PL

Abstrakty

Kryteria Mojeny i Wisharta są metodami wyboru optymalnego wyniku grupowania stosowanymi w przypadku metod aglomeracyjnych analizy skupień. Celem artykułu jest prezentacja wyników empirycznej analizy efektywności kryteriów Mojeny i Wisharta wyboru liczby skupień - na tle analizowanych dotychczas kryteriów Bakera i Huberta, Calińskiego i Harabasza, Daviesa i Bouldina, Huberta i Levine'a - w przypadku skupień o różnych macierzach kowariancji. Analiza empiryczna została przeprowadzona z wykorzystaniem programu ClustanGraphics 8 oraz pakietu clusterSim środowiska R.(abstrakt oryginalny)

EN

Mojena and Wishart criteria are designed to facilitate the choice of the optimal clustering solution in the case of agglomeration methods in cluster analysis. The aim of the paper is to present the empirical study on efficiency of Mojena and Wishart criteria in the choice of the number of clusters. The study was conducted with the focus on clusters with different covariance matrices and the results were compared to previously analysed criteria of Baker and Hubert, Caliński and Harabasz, Davies and Bouldin, Hubert and Levine. The empirical analysis was made with the use of ClustanGraphics 8 program and clusterSim package of R environment.(original abstract)

Słowa kluczowe

PL

Metody grupowania; Efektywność; Macierze

EN

Grouping methods; Effectiveness; Matrix

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2013
• Tom: 20
• Numer: nr 278 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 206--215

Twórcy

autor

Artur Mikulec

• Uniwersytet Łódzki

Bibliografia

• Gan G., Ma C., Wu J., Data Clustering: Theory, Algorithms, and Applications, SIAM, Philadelphia 2007.
• Gatnar E., Walesiak M. (red.), Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo PWN, Warszawa 2009.
• Migdał-Najman K., Ocena jakości wyników grupowania - przegląd bibliografii, "Przegląd Statystyczny" 2011, vol. 3-4, s. 281-299.
• Mikulec A., Metody oceny wyniku grupowania w analizie skupień, [w:] K. Jajuga, M. Walesiak (red.), Taksonomia 19, Klasyfikacja i analiza danych - teoria i zastosowania, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław 2012.
• Mikulec A., Fijałkowska-Kupis A., An empirical analysis of the effectiveness of Wishart and Mojena criteria in cluster analysis, "Statistics in Transition - new series" 2012, vol. 13(3), p. 569-580.
• Milligan G.W., Clustering Validation: Results and Implication for Applied Analysis, [w:] P. Arabie, L.J. Hubert, G. De Soete (red.), Clustering and Classification, World Scientific Publishing Co. Pte. Ltd., Singapore 1996.
• Milligan G.W., Cooper M.C., An examination of procedures for determining the number of clusters in a data set, "Psychometrika" 1985, vol. 50(2), p. 159-179.
• Mojena R., Hierarchical grouping methods and stopping rules: an evaluation, "Computer Journal" 1977, vol. 20(4), p. 359-363.
• Walesiak M., Uogólniona miara odległości GDM w statystycznej analizie wielowymiarowej z wykorzystaniem programu R, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław 2011.
• Walesiak M., Dudek A., The clusterSim package (wersja 0.41-5, 1 marca 2012), http://keii.ue. wroc.pl/clusterSim/, Wrocław 2012.
• Wishart D., Clustangraphics Primer: a Guide To Cluster Analysis, (4th edition), Edinburgh 2006.