Mierniki oceny jakości podziału w analizie skupień - porównanie ich efektywności

• Autorzy: Monika Osińska

Warianty tytułu

The Cluster Validity Indices - Comparison of their Efficiency

• Języki publikacji: PL

Abstrakty

Ocena jakości podziału jest jednym z czterech zasadniczych etapów analizy skupień, istotnie wpływającym na interpretację uzyskanych wyników. W literaturze przedmiotu istnieje duża liczba wskaźników wspomagających proces wyboru podziału optymalnego, jednak spora ich część przejawia pewne własności, które w dużej mierze mogą ograniczać obszary ich zastosowań. Głównym celem referatu jest zaproponowanie nowego wskaźnika oceny jakości grupowania - wskaźnika CNI oraz porównanie jego użyteczności z siedmioma najbardziej znanymi w literaturze wskaźnikami. Obiekty poddane analizie opisane zostały przy użyciu zmiennych dwuwymiarowych, natomiast kolejne podziały uzyskano w wyniku zaimplementowania metody k-średnich. Wszystkie obliczenia wykonano w programie R.(abstrakt oryginalny)

EN

Validation is one of four basic stages of cluster analysis which significantly affects the interpretation of the results. There are many validity indices in the specialist literature, but a lot of them have some properties which can strongly limit possible applications. The main goal of this paper is to propose a new validity index called CNI index and to compare it with the most popular indices. The data used in our analysis are described by 2-dimensional variables, while other divisions are achieved as a result of k-means algorithm implementation. All of the calculations were realized on the R programme.(original abstract)

Słowa kluczowe

PL

Analiza skupień; Klasyfikacja danych

EN

Cluster analysis; Data classifications

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2011
• Tom: 18
• Numer: nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 612--620

Twórcy

autor

Monika Osińska

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Bezdek J.C., Havens T.C., Keller J.M., Popescu M., Dunn's Cluster Validity Index as a Constrast of VAT Images, 19th International Conference on Pattern Recognition (ICPR),2008 December 8-11, Tampa, Florida, USA, IEEE.
• Bezdek J.C., Pal N.R., Some new indexes of cluster validity, Transactions on Systems, Man, and Cybernetics, Part B", IEEE, 1998, vol. 28, no. 3, s. 301-315.
• Gatnar E., Walesiak M., Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wyd. Akademii Ekonomicznej, Wrocław 2004.
• Gusarova L., Yatskiv I., The methods of cluster analysis results validation, Proceedings of International Conference RelStat '04, "Transport and Telecommunication" 2005, vol. 6, no. 1
• Halkidi M., Batistakis Y., Vazirgiannis M., On cluster validation techniques, "Journal of Intelligent Information Systems" 2001, vol. 17, no. 2/3, s. 107-145.
• Halkidi M., Batistakis Y., Vazirgiannis M., Clustering validity checking methods: Part II, "ACM SIGMOD Records" 2002, vol. 31, no. 3, s. 19-27.
• Migdał-Najman K., Najman K., Analityczne metody ustalania liczby skupień. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 12, Akademia Ekonomiczna we Wrocławiu, Wrocław 2005, s. 265-273.
• Migdał-Najman K., Najman K., Analityczne metody ustalania liczby skupień w rozmytych zbiorach danych. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 13, Akademia Ekonomiczna we Wrocławiu, Wrocław 2006, s. 159-167.
• Najman K., Metody ustalania liczby skupień w zbiorach danych binarnych. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 14, Akademia Ekonomiczna we Wrocławiu, Wrocław 2007, s. 321-329.
• Najman K., Symulacyjna analiza wpływu wyboru kryterium optymalności podziału obiektów na jakość uzyskanej klasyfikacji w algorytmach k-średnich. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 15, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław 2008, s. 295-304.