Charakterystyka mierników oceny podobieństwa wyników podziałów

• Autorzy: Kamila Najman

Warianty tytułu

Evaluate the Measures of Comparing Similarity between Partitions

• Języki publikacji: PL

Abstrakty

Zaprezentowano wybrane, najczęściej opisywane w literaturze przedmiotu mierniki służące do oceny podobieństwa wyników podziału, takie jak: miara Rand`a Jaccard`a, Fowkes`a i Mallows`a, statystyka Huberta oraz znormalizowana statystyka Г. Rozważania teoretyczne zilustrowane zostały przykładami numerycznymi.

EN

The problem of measuring the correspondence between partitions of an object set has attracted substantial interest in the literature of classification. A possibility of comparison between different partitions for example by different classification methods, different combinations of characteristics, observations from different periods, of a given set, is considered. In this paper, there is presented well-known measures of classification partition, like Rand Statistic, Jaccard Coefficient, Fowlkes and Mallows index, Hubert F statistic and Normalized T statistic. The resulting between partitions were defined the following indices to measure the degree of similarity. Theoretical considerations are illustrated by the numerical examples. (original abstract)

Słowa kluczowe

PL

Mierniki zgodności podziałów; Metody grupowania; Analiza piśmiennictwa ekonomicznego

EN

Correspondence partition measuring; Grouping methods; Economic literature analysis

• Czasopismo: Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego
• Rocznik: 2007
• Numer: nr 3
• Strony: 191--201

Twórcy

autor

Kamila Najman

Bibliografia

• Arabie P., Boorman S.A. (1973), Multidimensional scaling of measures of distance between partitions, Journal of Mathematical Psychology, 10
• Ayala G., Epifanio L, Simó A., Zapater V. (2006), Clustering of spatial point patterns, Computational Statistics & Data Analysis 50
• Fowkles E.B., Mallows C.L. (1983), A Method for Comparing two hierarchical clusterings, Journal of the American Statistical Association, 78
• Gatnar E., Walesiak M. (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, AE Wrocław
• Goodman L.A., Kruskal W.H. (1979), Measures of association for cross classifications, Sprinter-Yerlag, New York, Heidelberg
• Gordon A.D. (1987), A review of hierarchical classification, Journal of the Royal Statistical Society ser. A, 119-137
• Hubert L.J., Arabie P. (1985), Comparing partitions, Journal of Classification, no. l
• Maimon O., Rokach L. (2005), Data mining and knowledge discovery handbook, Springer
• Mali K., Mitra S. (2003), Clustering and its validation in a symbolic framework, Pattern Recognition Letters 24
• Mirkin B. (2005), Clustering for Data Mining, Chapman&Hall/CRC
• Nowak E. (1985), Wskaźnik podobieństwa wyników podziału, Przegląd Statystyczny, z. L
• Pal N.R., Biswas J. (1997), Cluster validation using graph theoretic concepts, Pattern Recognition vol. 30, no. 6
• Rand W.M. (1971), Objective criteria for the evaluation of clustering methods, Journal of the American Statistical Association, vol. 66, no. 336
• Rohlf F.J. (1974), Methods of Comparing Classifications, Annual Review of Ecology and Systematics, 5
• Rohlf F.J. (1982), Consensus Indices for Comparing Classifications, Mathematical Biosciences, 59
• Szmigiel C. (1976), Wskaźnik zgodności kryteriów podziału, Przegląd Statystyczny, z. 4
• Schultz J.V., Hubert L. (1979), A nonparametric test for the correspondence between two proximity matrices, Journal of Educational Statistics, vol. l, no. l
• Wallace D.L. (1983), A method for comparing two hierarchical clustering: comment, Journal of the American Statistical Association, vol. 78, no. 383