Charakterystyka klas w taksonometrii

• Autorzy: Eugeniusz Gatnar

Warianty tytułu

Description of Classes in Numerical Taxonomy

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono pewną metodę postępowania w celu uzyskania opisów klas, jakie powstały w wyniku grupowania danych za pomocą metod taksonometrycznych. Do zalet zaproponowanego podejścia można zaliczyć to, że: opsy klas są w postaci bezpośrednio zrozumiałej dla prowadzącego klasyfikację; można szybko przydzielić do odpowiednich klas nowe obiekty (bez potrzeby powtarzania procesu grupowania); staje się możliwe szersze stosowanie metod taksonomicznych w praktyce, np. w systemach podejmowania decyzji

EN

In this paper an important problem arising in numerical taxonomy is considered. Classes obtained as a result of cluster analysis can not be described with common language. The only thing one can do is to enumerate objects belonging to a class and compute class center, variance matrix etc. This paper describes solution to the problem with methods known as „classification trees" or „decision trees". They represent a recursive partitioning of the feature space with hypherplanes parallel to the axes. In addition, an application of proposed methodology is included.

Słowa kluczowe

PL

Analiza taksonomiczna; Metody taksonomiczne; Taksonomia; Drzewo decyzyjne

EN

Taxonomic analysis; Taxonomic methods; Taxonomy; Decision tree

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2002
• Tom: 49
• Numer: z. 4
• Strony: 35--42

Twórcy

autor

Eugeniusz Gatnar

Bibliografia

• [1] Breiman L., Friedman J.H., Olshen R.A., Stone C.J., Classification and regression trees, Wadsworth, Belmont 1984.
• [2] Everitt B., Cluster analysis, Heinemann, New York 1980.
• [3] Gatnar E., Wykorzystanie drzew decyzyjnych do klasyfikacji danych statystycznych, [w:] Materiały z XXXI Konferencji Statystyków, Ekonometryków i Matematyków Akademii Ekonomicznych Polski Południowej, Zeszyty Naukowe Akademii Ekonomicznej w Krakowie, Kraków 1996b.
• [4] Gatnar E., Drzewa klasyfikacyjne: nieparametryczna metoda dyskryminacji obiektów, Badania Operacyjne i Decyzje, Wrocław 1997 (w druku).
• [5] Grabiński T., Wydymus S., Zeliaś A., Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, PWN, Warszawa 1989.
• [6] Grabiński T., Metody taksonometrii, Akademia Ekonomiczna w Krakowie, Kraków 1992.
• [7] Hellwig Z., Taksonometńa ekonomiczna, jej osiągnięcia, zadania i cele, [w:] Pociecha J. (Red.), Materiały z konferencji Taksonomia - teoria i jej zastosowania, Akademia Ekonomiczna, Kraków 1990.
• [8] Jajuga K., Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa 1990.
• [9] Kendall M.G., The basic problems of cluster analysis, [w:] Cacoullos T. (Ed.), Discriminant analysis and applications, Academic Press, New York 1973.
• [10] Mingers J., An empirical comparison of selection measures for decision-tree induction, Machine Learning, vol. 3, 1989.
• [11] Murthy S., On growing better decision trees from data, Praca doktorska, Johns Hopkins University, Baltimore, 1995.
• [12] Pociecha J., Podolec B., Sokołowski A., Zając K., Metody taksonomiczne w badaniach społeczno-ekonomicznych, PWN, Warszawa 1988.
• [13] Quinlan J.R., C4.5 Programs for Machine Learning, Morgan Kaufmann, San Mateo 1993.