Badanie jakości klasyfikacji szeregów czasowych

• Autorzy: Beata Basiura , Anna Czapkiewicz

Warianty tytułu

Validation of Time Series Clustering

• Języki publikacji: PL

Abstrakty

Celem niniejszej pracy było zaprezentowanie wskaźnika jakości klasyfikacji z zastosowaniem entropii Renyiego na tle znanych wskaźników jakości grupowania wielo-wymiarowych szeregów czasowych. Punktem wyjścia były dane empiryczne. Podziału na grupy dokonano przy zastosowaniu algorytmu aglomeracji Warda, klasyfikacji k-średnich oraz klasyfikacji spektralnej. Otrzymane wyniki klasyfikacji zweryfikowano stosując wy-brane indeksy określające poprawność klasyfikacji. Zaproponowany wskaźnik wydaje się obiecujący, ale wymaga zweryfikowania dla różnych rozkładów badanych szeregów.(abstrakt oryginalny)

EN

The aim of this paper is to present a quality index classification using Renyi's entropy against known quality indicators grouping of multidimensional time series. The starting point was the empirical data. The division into groups was made by using Ward's agglomeration algorithm, k-means method's and spectral clustering. The results were veri-fied using the selected indices of clustering validation. The proposed index seems to be promising but it needs to be verified for various distributions of time series.(original abstract)

Słowa kluczowe

PL

Szeregi czasowe

EN

Time-series

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2014
• Tom: 22
• Numer: nr 327 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 148--156

Twórcy

autor

Beata Basiura

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Anna Czapkiewicz

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

Bibliografia

• Baarsch J., Celebi M.C. (2012), Investigation of Internal Validity Measures for K-means Clustering, IMECS, Hong Kong.
• Davies D., Bouldin D. (1979), A Cluster Separation Measure, IEEE Transactions on Pattern Analysis and Machine Intelligence 1(2), s. 224-227.
• Calinski R.B., Harabasz J. (1974), A Dendrite Method for Cluster Analysis, Communications in Sta-tistics - Theory and Methods 3(1), s. 1-27.
• Gatnar E., Walesiak M. (red.) (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo AE, Wrocław.
• Halkidi M., Yannis B., Vazirgiannis M. (2001), On Clustering Validation Techniques, "Journal of Intelligent Information Systems", 17, 2/3, s. 107-145.
• Jenssen R., Hild K.E., Erdogmus D., Principe J.C., Eltoft T. (2003), Clusterin Using Renyi's Entropy, Proceedings of the International Joint Conference on Neural Networks, Vol. 1.
• Liang J., Zhao X., Li D., Cao F., Dang C. (2011), Determining the number of clusters using infor-mation entropy for Mixed Data, Patter Recognition, Vol. 45, s. 2251-2265.
• Milligan G., Glenn W. (1981), A Monte Carlo Study of Thirty Internal Criterion Measures for Cluster Analysis, "Psychometrika" 46(2), 187-199.
• Rendón E., Abundez I., Arizmendi A., Quiroz E.M. (2011), Internal Versus External Cluster Valida-tion Indexes, "International Journal of Computers and Communications", No. 1, Vol. 5.
• Rényi A. (1961), On measures of information and entropy. Proceedings of the fourth Berkeley Sym-posium on Mathematics, Statistics and Probability 1960, s. 547-561.
• Rousseeuw P.J. (1987), Silhouettes: A Graphic Aid to the Interpretation and Validation of Cluster Analysis, "Journal of Computational and Applied Mathematics" 20(1), s. 53-65.
• Walesiak M., Gatnar E. (red.) (2009), Statystyczna analiza danych z wykorzystaniem programu R, Wyd. Naukowe PWN, Warszawa.
• Walesiak M., Dudek M. (2012), Package 'clusterSim' in R project, http://keii.ue.wroc.pl/ clusterSim/index.html (30.08.2013).
• Wędrowska E. (2010), Wykorzystanie entropii Shanona i jej uogólnień do badania rozkładu prawdo-podobieństwa zmiennej losowej dyskretnej, "Przegląd Statystyczny", LVII, Zeszyt 4.
• R Development Core Team (2005), R: A language and environment for statistical computing, refer-ence index version 2.12.2 (2011-02-25), R Foundation for Statistical Computing, Vienna, Aus-tria, http://www.R-project.org (30.08.2013).