Czasopismo
Tytuł artykułu
Autorzy
Warianty tytułu
Algorithm of Generating Data Matrices on the Basis of Distance Matrices
Języki publikacji
Abstrakty
W artykule przedstawiony jest algorytm, który pozwala na generowanie współrzędnych punktów tylko na podstawie odległości metrycznej tych punktów. W statystycznej analizie wielowymiarowej algorytm ten może służyć do generowania (symulacji) macierzy danych na podstawie znanej macierzy odległości D[n × n] w przypadku gdy odległości zostały utworzone za pomocą metryki euklidesowej.
W algorytmie zadaną macierzą jest macierz odległości D [n × n], natomiast macierzą konstruowaną jest macierz W'[n × m], gdzie m≤n. Macierz W'[n × m] ma taką właściwość, że utworzona na jej podstawie macierz odległości D'[n × n] będzie taka sama jak zadana macierz odległości D[n × n]. Ponadto wygenerowane wartości cech (wartości współrzędnych punktów) w macierzy W' będą niezależne (nieskorelowane). (fragment tekstu)
W algorytmie zadaną macierzą jest macierz odległości D [n × n], natomiast macierzą konstruowaną jest macierz W'[n × m], gdzie m≤n. Macierz W'[n × m] ma taką właściwość, że utworzona na jej podstawie macierz odległości D'[n × n] będzie taka sama jak zadana macierz odległości D[n × n]. Ponadto wygenerowane wartości cech (wartości współrzędnych punktów) w macierzy W' będą niezależne (nieskorelowane). (fragment tekstu)
The paper describes techniques of classification scoring. The basis of a score is determined by a heterogeneity of every cluster and every isolated object in a given classification. A few coefficients has been proposed, which determine various degrees of heterogeneity of clusters and isolated objects. On the basis of these coefficients, four types of classifications have been defined: very good, good, weak but sufficient, and bad classification.
The paper also describes how to easily find "the best" classification for hierarchical methods. The proposed coefficients have been commented and compared with different coefficients, such as SCI (Silhouette Coefficient) and average innercluster variation. (original abstract)
The paper also describes how to easily find "the best" classification for hierarchical methods. The proposed coefficients have been commented and compared with different coefficients, such as SCI (Silhouette Coefficient) and average innercluster variation. (original abstract)
Słowa kluczowe
Rocznik
Tom
Strony
176--182
Opis fizyczny
Twórcy
autor
- Akademia Ekonomiczna we Wrocławiu
Bibliografia
- Jajuga K., Statystyczna analiza wielowymiarowa, PWN, Warszawa 1993.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171550865
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.