Próba identyfikacji muzycznych profili melomanów z wykorzystaniem drzew klasyfikacyjnych i regresyjnych

• Autorzy: Marcin Salamaga

Warianty tytułu

Attempt to Identify Music Lovers Profiles Using Classification and Regression Trees

• Języki publikacji: PL

Abstrakty

Celem artykułu jest segmentacja miłośników muzyki poważnej pod względem wysokości dochodów, które są oni skłonni przeznaczyć na kulturę muzyczną, oraz pod względem preferowanych gatunków muzycznych czy twórców muzyki. Do klasyfikacji melomanów zastosowano drzewa regresyjne i klasyfikacyjne tworzone zgodnie z procedurami CART i CHAID, opierając się na danych pochodzących z badania ankietowego przeprowadzonego wśród odbiorców muzyki poważnej. Narzędzia te umożliwiły stworzenie muzycznych profili melomanów, które pomogą w lepszym poznaniu zapotrzebowania na produkty muzyczne w różnych grupach odbiorców muzyki(abstrakt oryginalny)

EN

The purpose of this article is the segmentation of classical music lovers by spending size on musical culture and by preferred music genres, or composers. For the classification of music lovers there are used regression and classification trees created in accordance with the CART and CHAID algorithms based on data from a survey conducted among classical music lovers. These research methods have enabled the creation of music lovers profiles, which help in better knowledge of the demand for music products in different groups of respondents(original abstract)

Słowa kluczowe

PL

Drzewa klasyfikacyjne; Algorytmy; Segmentacja

EN

Classification trees; Algorithms; Segmentation

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2015
• Tom: 25
• Numer: nr 385 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 229--238

Twórcy

autor

Marcin Salamaga

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Abeßer J., Lukashevich H., Bräuer P., 2012, Classification of music genres based on repetitive basslines, Journal of New Music Research, vol. 41, no. 3, s. 239-257.
• Abundo C., Monterola C., Tugaff J., Valenzuela J.F., 2009, Prediction of potential hit song and musical genre using artificial neural networks, International Journal of Modern Physics C, vol. 20, no. 11, s. 1697-1718.
• Bai B., Yen J., Yang X., 2008, False financial statements: characteristics of China's listed companies and CART detecting approach, International Journal of Information Technology & Decision Making, vol. 7, no. 2, s. 339-359.
• Berney S.C., Gordon I.R., Opdam H.I., Denehy L., 2011, A classification and regression tree to assist clinical decision making in airway management for patients with cervical spinal cord injury, Spinal Cord, vol. 49, no. 2, s. 244-250.
• Białkowski A., Grusiewicz M., 2009, Zainteresowania muzyczne i główne formy ich realizowania przez uczniów, Wychowanie Muzyczne w Szkole, nr 3, s. 19-29.
• Breiman L., Friedman J.H., Olshen R.A., Stone C.J., 1984, Classification and Regression Trees, CRC Press, London.
• Ferraro D.O., Rivero D.E., Ghersa C.M., 2009, An analysis of the factors that influence sugarcane yield in Northern Argentina using classification and regression trees, Field Crops Research, vol. 112, no. 2/3, s. 149-157.
• Gatnar E., 2009, Drzewa klasyfikacyjne i regresyjne , [w:] Walesiak M., Gatnar E. (red.), Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN, Warszawa.
• Gatnar E., 2001, Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.
• Ginocchio J.F., 2006, Music Style Preference: A Ranking of Musical Styles and Comparison by Age, Gender, Ethnicity, Music Training, and Rural, Suburban, Or Urban Upbringing, Ball State University.
• Hargreaves D.J., North A.C., 1997, The Social Psychology of Music, Oxford: Oxford University Press.
• Kamińska B., 2002, Upodobania muzyczne-problemy i wyniki badań, [w:] Białkowski B., Smoleńska- -Zielińska B. (red.), Bliżej muzyki, bliżej człowieka, Wydawnictwo UMCS, Lublin.
• Kass G.V., 1983, An exploratory technique for investigating large quantities of categorical data, Applied Statistics, vol. 29, no. 2, s. 119-127.
• Łapczyński M., 2010, Drzewa klasyfikacyjne i regresyjne w badaniach marketingowych, Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie, Kraków.
• Ma J., Wang T., Gao X., Wang S., Wang Z., 2013, Classification and regression tree-based adaptive damping control of inter-area oscillations using wide-area signals, Transmission & Distribution, vol. 8, no. 6, s. 1177-1186.
• Ślaska-Grzywna B., 2010, Wykorzystanie drzew klasyfikacyjnych w analizie cech sensorycznych brokułu włoskiego po obróbce cieplnej, Inżynieria Rolnicza, vol. 3, nr 121, s. 209-2015.
• Waldorff J., 1982, Muzyka łagodzi obyczaje, Polskie Wydawnictwo Muzyczne, Kraków.
• Zahir S.T., Binesh F., Mirouliaei M., Khajeh E., Noshad S., 2013, Malignancy risk assessment in patients with thyroid nodules using classification and regression trees, Journal of Thyroid Research, vol. 2013, s. 1-9.

Identyfikatory

DOI

10.15611/pn.2015.385.25