Symulacyjna optymalizacja wyboru procedury klasyfikacyjnej dla danego typu danych - oprogramowanie komputerowe i wyniki badań

• Autorzy: Marek Walesiak , Andrzej Dudek

Warianty tytułu

Determination of Optimal Clustering Procedure for a Data Set - Computer Program and Empirical Results

• Języki publikacji: PL

Abstrakty

W artykule krótko scharakteryzowano dziewięć ścieżek w symulacyjnej optymalizacji wyboru procedury klasyfikacyjnej dla danego typu danych, (zaproponowanych w pracy Walesiaka i Dudka [2005]). Następnie zaprezentowano podstawowe funkcje programu komputerowego clusterSim, służącego realizacji wyodrębnionych ścieżek, oraz wybrane wyniki obliczeń symulacyjnych przy wzrastającej liczbie obiektów i zmiennych w macierzy danych. Wszystkie procedury opracowano w języku R oraz pomocniczo w języku C++. (fragment tekstu)

EN

In typical cluster analysis study eight major steps are distinguished. Four of them represent the critical steps: decisions concerning variable normalisation formula, selection of a distance measure, selection of clustering method, determining the number of clusters.
The article presents:
a) determination of optimal clustering procedure for a data set by varying all combinations of normalization formulas, distance measures, and clustering methods. Nine paths of simulation was separated depends on variable scale of measurement in a data set;
b) clusterSim computer program written in R and C++ languages;
c) some empirical results of simulation study based on data matrix with growing number of objects and variables. (original abstract)

Słowa kluczowe

PL

Oprogramowanie komputerowe; Symulacja

EN

Computer software; Simulation

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2006
• Tom: 13
• Numer: nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 120--129

Twórcy

autor

Marek Walesiak

• Akademia Ekonomiczna we Wrocławiu

autor

Andrzej Dudek

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Baker F.B., Hubert L.J. (1975), Measuring the Power of Hierarchical Cluster Analysis, "Journal of the American Statistical Association" vol. 70, nr 349, s. 31-38.
• Galiński R.B., Harabasz J. (1974), A Dendrite Method for Cluster Analysis, "Communications in Statistics" vol. 3, s. 1-27.
• Dudoit S., Fridlyand J. (2002), A Prediction-Based Resampling Method for Estimating the Number of Clusters in A Dataset, "Genome Biology" vol. 3, nr 7, s. 1-20.
• Everitt B.S., Landau S., Leese M. (2001), Cluster Analysis, Edward Arnold, London.
• Gatnar E., Walesiak M. (red.) (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, AE, Wrocław.
• Gordon A.D. (1999), Classification, Chapman and Hall/CRC, London.
• Hubert L.J. (1974), Approximate Evaluation Technique for the Single-Link and Complete-Link Hierarchical Clustering Procedures, "Journal of the American Statistical Association" vol. 69, nr 347, s. 698-704.
• Hubert L.J., Levine J.R. (1976), Evaluating Object Set Partitions: Free Sort Analysis and Some Generalizations, "Journal of Verbal Learning and Verbal Behaviour" vol. 15, s. 549-570.
• Kaufman L., Rousseeuw P.J. (1990), Finding Groups in Data: An Introduction to Cluster Analysis, Wiley, New York.
• Krzanowski W.J., Lai Y.T. (1985), A Criterion for Determining the Number of Groups in A Data Set Using Sum of Squares Clustering, "Biometrics" nr 44, s. 23-34.
• Milligan G.W. (1996), Clustering Validation: Results and Implications for Applied Analyses, [w:] P. Arabie, L.J. Hubert, G. De Soete (red.), Clustering and Classification, World Scientific, Singapore, s. 341-375.
• Milligan G.W., Cooper M.C. (1985), An Examination of Procedures for Determining the Number of Clusters in A Data Set, "Psychometrika" nr 2, s. 159-179.
• Mufti G.B., Bertrand P., El Moubarki L. (2005), Determining the Number of Groups from Measures of Cluster Stability, [w:] J. Janssen, P. Lenca (red.), Applied Stochastic Models and Data Analysis, ENST Bretagne, Brest, s. 404-413.
• Rousseeuw P.J. (1987), Silhouettes: a Graphical Aid to the Interpretation and Validation of Cluster Analysis, "Journal of Computational and Applied Mathematics" nr 20, s. 53-65.
• Sugar C.A., James G.H. (2003), Finding the Number of Clusters in a Dataset: an Information-Theoretic Approach, "Journal of the American Statistical Association" vol. 98, nr 463, s. 750-763.
• Tibshirani R., Walther G., Hastie T. (2001), Estimating the Number of Clusters in A Data Set Via the Gap Statistic, "Journal of the Royal Statistical Society", ser. B, vol. 63, cz. 2, s. 411-423.
• Walesiak M. (2002), Uogólniona miara odległości w statystycznej analizie wielowymiarowej, AE, Wrocław.
• Walesiak M. (2005), Rekomendacje w zakresie strategii postępowania w procesie klasyfikacji zbioru obiektów, [w:] A. Zeliaś (red.), Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, AE, Kraków, s. 185-203.
• Walesiak M., Dudek А. (2005), Symulacyjna optymalizacja wyboru procedury klasyfikacyjnej dla danego typu danych - charakterystyka problemu, "Zeszyty Naukowe Uniwersytetu Szczecińskiego" (w druku).