Wyniki wyszukiwania - BazEkon

1

Interpretacja i profilowanie klas w analizie danych symbolicznych

100%

Wilk J.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2007

|

14

|

nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania

149-159

Metody klasyfikacji są jednymi z najczęściej wykorzystywanych procedur w analizie danych marketingowych. Rezultatem procesu klasyfikacji jest podział zbioru obiektów na względnie jednorodne klasy. Wyniki klasyfikacji stają się użyteczne, gdy wyodrębnione klasy zostaną scharakteryzowane ze względu na wewnętrzną strukturę, a także relacje międzyklasowe. W badaniach marketingowych istotnymi kwestiami są więc interpretacja i profilowanie klas. W praktyce wiele zagadnień marketingowych jest charakteryzowanych za pomocą zmiennych symbolicznych (symbolic variables). Złożona struktura i nietypowy charakter tych zmiennych powodują, że do opisu klas obiektów opisanych tego rodzaju zmiennymi nie można zastosować dotąd proponowanych procedur. Artykuł ma na celu przybliżenie sposobu opisu klas obiektów symbolicznych w podstawowym zakresie na przykładach empirycznych. (fragment tekstu)

2

Klasyfikacja obiektów w ujęciu dynamicznym

100%

Strahl D., Markowska M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2004

|

11

|

nr 1022 Klasyfikacja i analiza danych - teoria i zastosowania

556-565

W klasyfikacji dynamicznej można wykorzystać różne podejścia, np. miary odległości między populacjami z zachowaniem danych przekrojowo-czasowych, funkcje trendu, których parametry, jak i wartości teoretyczne zmiennych stanowią podstawę klasyfikacji badanych obiektów. Integracja dwóch podejść umożliwia identyfikację miejsca Polski wśród wybranych krajów świata ze względu na tempo procesów informatyzacji, poziom procesu informatyzacji ilustrowany zmiennymi: liczbą komputerów PC na 100 mieszkańców, liczbą telefonów komórkowych na 100 mieszkańców, liczbą hostów internetowych na 100 mieszańców. Warto zauważyć, iż wyznaczona w wyniku procedury drugiej niewielka odległość między badanymi parami krajów (macierz odległości Mahalanobisa) przekładała się w dużym stopniu na tworzenie przez nie jednej grupy otrzymanej w wyniku zastosowania procedury pierwszej (klasyfikacja na podstawie funkcji trendu). Przedstawiona propozycja klasyfikacji dynamicznej z wykorzystaniem funkcji trendu może być szczególnie przydatna w benchmarkingu regionalnym, kiedy ważna staje się informacja dotycząca postaci analitycznej (a nie tylko tempa) modelu opisującego kształtowanie się danej cechy identyfikującej rozwój regionalny, a także ustalenie pozycji wybranego kraju czy też regionu w stosunku do innych obiektów badania. (fragment tekstu)

3

Klasyfikacja obiektów symbolicznych oparta na kryteriach

100%

Pełka M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria

|

2006

|

16

|

nr 1100 Zastosowania metod ilościowych

75-85

Dokonanie klasyfikacji, czyli podziału na jednorodne podzbiory, danego zbioru obiektów jest od dawna ważnym elementem badań ekonomicznych i znajduje się w centrum zainteresowania wielu różnych prac naukowych.Celem niniejszego artykułu jest zaprezentowanie idei klasyfikacji obiektów symbolicznych opartej na kryteriach (DIV); ideę tę prezentuje Diday, dotyczy ona klasyfikacji obiektów symbolicznych, w których mamy do czynienia ze zmiennymi mierzonymi na "silnych" skalach pomiarowych, czyli przedziałowymi lub ilorazowymi, lub, gdy mamy do czynienia ze zmiennymi mierzonymi na "słabych" skalach pomiarowych, porządkowych czy też nominalnych. W części empirycznej przedstawiona zostanie metoda zastosowana do zaklasyfikowania samochodów osobowych ze względu na komfort jazdy. (fragment tekstu)

4

Zastosowanie analizy skupień do klasyfikacji obiektów symbolicznych

80%

Gliwa M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2006

|

13

|

nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania

237-245

W artykule zostanie przedstawiona analiza skupień (divisive clustering) dla symbolicznej macierzy danych oraz przykład jej zastosowania do klasyfikacji obiektów symbolicznych opracowany za pomocą programu Sodas. Omawiana metoda to hierarchiczna metoda podziału. Polega na tym, aby z rozpatrywanego zbioru obiektów wydzielić możliwie jednorodne podzbiory (skupienia), zapewniając jednocześnie jak największe zróżnicowanie tych podzbiorów między sobą. Proces podziału zbioru obiektów zatrzymywany jest po określonej przez użytkownika liczbie skupień, a jego rezultatem jest drzewo, w którym każdy węzeł reprezentuje skupienie. (fragment tekstu)

5

Kilka uwag o dyskretyzacji zmiennych metrycznych w procesie konstrukcji drzewa klasyfikacyjnego

80%

Kurzydłowski A.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria

|

2003

|

12

|

nr 1002 Zastosowania metod ilościowych

47-55

Celem artykułu jest prezentacja metod dyskretyzacji zbioru wartości zmiennych stanowiących podstawę podziału w procesie konstrukcji drzewa klasyfikacyjnego. Omówione zostaną poszczególne ich rodzaje oraz zaprezentowany zostanie przebieg procesu dyskretyzacji w algorytmie CHAID. W artykule przedstawione zostaną również rozważania związane z dyskretyzacją zmiennych ciągłych. (fragment tekstu)

6

Wybrane zagadnienia klasyfikacji obiektów z wykorzystaniem programu komputerowego clusterSim dla środowiska R

80%

Walesiak M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2007

|

14

|

nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania

46-56

W artykule zaprezentowana zostanie szczegółowa charakterystyka wybranych funkcji pomocniczych pakietu clusterSim. Funkcjonujące na rynku pakiety statystyczne (np. SPSS, Statistica, S-Plus, SAS) nie udostępniają takich możliwości, jakie niesie z sobą pakiet clusterSim oraz środowisko programistyczne R. W pakiecie clusterSim dostępnych jest m.in. jedenaście formuł normalizacyjnych, cztery miary odległości oraz siedem indeksów jakości klasyfikacji. Inne miary odległości oraz metody klasyfikacji (m.in. hierarchiczne metody aglomeracyjne, metoda k-średnich i metoda k-medoids) dostępne są w pakietach stats i cluster. W zasadniczej części artykułu zaproponowane zostaną przykładowe składnie poleceń (procedury) z wykorzystaniem wybranych funkcji z pakietu clusterSim, w tym w szczególności dist.GDM. Procedury te, mające zastosowanie nie tylko w odniesieniu do miary GDM, ułatwią potencjalnemu użytkownikowi realizację wielu zagadnień klasyfikacyjnych niedostępnych w podstawowych pakietach statystycznych. (fragment tekstu)

7

Metody wielowymiarowego skalowania obiektów symbolicznych

80%

Pełka M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2007

|

14

|

nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania

178-185

Zadaniem skalowania wielowymiarowego obiektów symbolicznych, podobnie jak w klasycznym skalowaniu wielowymiarowym, jest przedstawienie relacji zachodzących między obiektami traktowanymi w przypadku obiektów symbolicznych jako hiperprostopadłościany w przestrzeni wielowymiarowej. Ze względów na możliwości geometrycznej interpretacji otrzymanych wyników jest to najczęściej przestrzeń dwuwymiarowa. Celem artykułu jest zaprezentowanie metody skalowania wielowymiarowego INTERSCAL. W artykule porównano ją z drugą z metod skalowania wielowymiarowego obiektów symbolicznych - metodą SYMSCAL, zaproponowana przez Groenena, Winsberga, Rodrígueza i Didaya. Obie metody skalowania wielowymiarowego dla obiektów symbolicznych (symbolic multidimensional scaling) wymagają, aby danymi wejściowymi była macierz minimalnych i maksymalnych odległości pomiędzy obiektami symbolicznymi. W artykule zaprezentowane zostaną również problemy, jakie mogą wynikać z zastosowania metody INTERSCAL. Artykuł w części empirycznej prezentuje wyniki skalowania wielowymiarowego, uzyskane na przykładzie danych symbolicznych pochodzących z rynku komputerowego. (fragment tekstu)

8

Metoda taksonomii wrocławskiej w klasyfikacji obiektów symbolicznych

80%

Dudek A.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2007

|

14

|

nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania

169-177

Metoda taksonomii wrocławskiej, dobrze znana w wielowymiarowej analizie statystycznej, jest obecnie trochę zapomniana, ponieważ jest podobna do metody najbliższego sąsiada klasyfikacji hierarchicznej. Okazuje się jednak, iż metoda ta może zostać z powodzeniem zastosowana w odniesieniu do danych symbolicznych (dla tych danych ze względu na specyfikę miar odległości nie pojawia się problem tożsamości algorytmu z metodą najbliższego sąsiada). Artykuł przedstawia zastosowanie metody taksonomii wrocławskiej do klasyfikacji obiektów symbolicznych. W kolejnych częściach artykułu opisane są: pojęcie obiektu i zmiennej symbolicznej, miary podobieństwa obiektów symbolicznych, kroki metody taksonomii wrocławskiej, algorytmu klasyfikacji i mierniki jakości klasyfikacji dla danych symbolicznych, a także dwa eksperymenty pozwalające na ocenienie przydatności metody taksonomii wrocławskiej w klasyfikacji obiektów symbolicznych. (fragment tekstu)

9

Pomiar podobieństwa obiektów w świetle skal pomiaru i wag zmiennych

80%

Walesiak M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria

|

2002

|

10

|

nr 950 Zastosowania metod ilościowych

71-85

W artykule zaprezentowano przegląd miar odległości obiektów w świetle skal pomiaru i sposobów wprowadzania wag zmiennych. Artykuł jest rozszerzoną i uzupełnioną wersją artykułu Walesiaka [1994], W nowej wersji artykuł rozszerzono i uzupełniono problematyką dotyczącą sposobów uwzględniania wag w formułach odległości, nowych formuł odległości, nowych publikacji z omawianego zakresu. (fragment tekstu)

10

Zastosowanie symbolicznej analizy czynnikowej do klasyfikacji obiektów symbolicznych

80%

Wójcik M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2005

|

12

|

nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania

387-395

Gwałtowny rozwój technologii komputerowej znacznie ułatwia gromadzenie dach, co prowadzi do powstawania coraz większych baz danych. Informacje zawarte bazach danych często mają charakter zmiennych symbolicznych, których nie można przetworzyć za pomocą klasycznych metod. W związku z tym coraz bardziej popularna staje się symboliczna analiza danych (symbolic data analysis). Uwzględnia ona głównie zmienne jakościowe zgromadzone w symbolicznej tabeli danych. Na podstawie tych danych są tworzone obiekty symboliczne, które następnie podlegają klasyfikacji. Metody analizy symbolicznej są zaliczane do metod nienumerycznych, a uzyskane wyniki są dość łatwe w interpretacji, ponieważ do opisu klas obiektów lub obiektów symbolicznych wykorzystuje się pojęcia naturalne.W artykule zaprezentowano podstawy symbolicznej analizy czynnikowej (factorial discriminant analysis) oraz przykład jej zastosowania do klasyfikacji obiektów symbolicznych. (fragment tekstu)

11

Interpretacja wyników klasyfikacji obiektów symbolicznych

80%

Wilk J.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria

|

2007

|

18

|

nr 1151 Zastosowania metod ilościowych

27-37

Artykuł ma na celu: - scharakteryzowanie danych symbolicznych,- omówienie, na przykładach, sposobu interpretacji klas obiektów symbolicznych (symbolic objects),- prezentację wskaźników udziałowych (udział skupienia w zmienności zmiennej, ważność zmiennej dla zmienności skupienia oraz udział skupienia w zmienności zmiennej),- prezentację modułu "Clint" w aplikacji Sodas v. 2.0. (fragment tekstu)

12

Zagadnienie wyboru optymalnej procedury porządkowania liniowego w pakiecie pllord

80%

Bąk A.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2015

|

24

|

nr 384 Klasyfikacja i analiza danych - teoria i zastosowania

33-41

Metody porządkowania liniowego są wykorzystywane w badaniach zmierzających do ustalenia kolejności lub klasyfikacji obiektów. Przedmiotem porządkowania liniowego mogą być np. takie obiekty, jak kraje (ze względu na poziom rozwoju gospodarczego), przedsiębiorstwa (ze względu na kondycję finansową), produkty (ze względu na walory użytkowe) itp. Na gruncie badań taksonomicznych opracowano wiele procedur porządkowania liniowego. Różnią się one m.in. metodami wyznaczania wag zmiennych, metodami normalizacji zmiennych oraz metodami szacowania wartości zmiennych syntetycznych. W związku z tym pojawia się problem wyboru optymalnej procedury do analizy danych empirycznych o określonych charakterystykach statystycznych. Celem artykułu jest zarys problematyki wyboru optymalnej konfiguracji elementów składowych procedury porządkowania liniowego z wykorzystaniem wybranych mierników oceny jakości i programu R(abstrakt oryginalny)

13

Zastosowania metod klasyfikacji obiektów przestrzennych : typologia zastosowań

80%

Bartosiewicz S.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

1994

|

nr 686 Zastosowania metod ilościowych

7-9

Celem niniejszej pracy jest przedstawienie i krótka charakterystyka wybranych publikacji, w których metody klasyfikacji dotyczą zbiorów obiektów określonych przede wszystkim przestrzennie. Zbiory te mogą, jak już wspomniano, wchodzić w kombinacje z pozostałymi kategoriami zbiorów określonych rzeczowo lub czasowo. (fragment tekstu)

14

Wykorzystanie kryterium Kołmogorowa-Smirnowa przy budowie drzewa klasyfikacyjnego dla zbioru obiektów symbolicznych

61%

Gliwa M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2007

|

14

|

nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania

160-168

Zaprezentowane w artykule kryterium Kołmogorowa-Smirnowa to narzędzie, na podstawie którego dokonywany jest wybór sposobu podziału zbioru obiektów symbolicznych w węzłach drzewa. Zaletą tego kryterium jest fakt, iż w przeciwieństwie do popularnych miar jakości podziału uwzględnia ono wiedzę o uporządkowaniu zbioru wartości cechy. Niestety, miara ta nie jest niezależna od charakteru zmiennych. Wobec tego otwarty staje się problem rozważenia stosowalności tej miary w odniesieniu do innych typów danych. (fragment tekstu)

15

Bezwzorcowa klasyfikacja obiektów w ekonomice rolnictwa

61%

Kisielińska J.

Zeszyty Naukowe SGGW w Warszawie. Problemy Rolnictwa Światowego

|

2009

|

8(23)

104-115

W artykule przedstawiono elementy analizy skupień, zwracając szczególną uwagę na ocenę uzyskanej klasyfikacji. Dokonano ponadto przeglądu publikacji, w których prezentowano badania wykorzystujące analizę skupień w ekonomice rolnictwa. (abstrakt oryginalny)

16

Metody doboru zmiennych w procesie klasyfikacji obiektów symbolicznych

61%

Dudek A., Wilk J.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria

|

2009

|

27

|

nr 84 Zastosowania metod ilościowych

20-28

Jednym z kluczowych etapów procedury klasyfikacyjnej jest wybór zmiennych. W procedurze klasyfikacji należy uwzględnić tylko te zmienne, które mają zdolność do grupowania obiektów w jednorodne klasy. Zagadnienie doboru zmiennych jest szczególnie utrudnione w sytuacji, gdy zbiór obiektów jest opisany zmiennymi symbolicznymi. Złożona struktura zmiennych symbolicznych uniemożliwia aplikację klasycznych procedur. Problematyka wyboru zmiennych symbolicznych jest podejmowana w niewielu pracach. Celem artykułu jest przedstawienie podejść w procesie selekcji zmiennych symbolicznych, a także prezentacja metody selekcji zmiennych symbolicznych opracowanej przez Ichino. (abstrakt oryginalny)

17

Problemy doboru zmiennych w zagadnieniach grupowania obiektów metoda FeatureSelector heurystycznego doboru cech

61%

Lasek M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2005

|

12

|

nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania

87-95

Celem artykułu jest przedstawienie podstawowych przyczyn, skłaniających nas do ograniczania liczby zmiennych w przypadku grupowania obiektów oraz zaproponowanie stosowania heurystycznej metody wyboru zmiennych spośród większego ich zbioru, dających jak najlepsze pogrupowanie obiektów. Twórcami metody, algorytmu komputerowego i programu realizującego metodę jest zespół pracowników firmy МIТ - Management Intelligenter Technologien GmbH z Aachen. W metodzie tej rozpoczyna się od niewielkiej liczby cech (np. dwóch lub nawet jednej), do których dokładane są cechy do momentu uzyskania takiej jakości grupowania, że dołożenie jakiejkolwiek nowej cechy z założonego zbioru nie daje poprawy tej jakości. W artykule zostanie przedstawiony algorytm metody, a także jej zalety i wady w porównaniu z innymi metodami doboru zmiennych w zagadnieniach grupowania obiektów. Rozważania będą zilustrowane przykładem doboru cech, które były stosowane na potrzeby tworzenia grup (skupień) przedsiębiorstw podobnych pod względem kondycji ekonomicznej. (fragment tekstu)

18

Metoda piramid w klasyfikacji obiektów symbolicznych

61%

Gliwa M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2009

|

16

|

nr 47 Klasyfikacja i analiza danych - teoria i zastosowania

307-314

Celem artykułu jest przedstawienie własności metody piramid oraz porównanie ich z własnościami hierarchicznych metod aglomeracyjnych. W pracy przedstawiony również zostanie przykład zastosowania algorytmu metody do klasyfikacji obiektów symbolicznych z rzeczywistego zbioru danych. (fragment tekstu)

19

Wykorzystanie analizy dyskryminacyjnej z autokorelacją przestrzenną do klasyfikacji obiektów

61%

Batóg J.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2009

|

16

|

nr 47 Klasyfikacja i analiza danych - teoria i zastosowania

382-389

W pracy podjęto próbę modyfikacji klasycznego podejścia stosowanego w analizie dyskryminacyjnej przez wprowadzenie do niej czynnika przestrzennego. Czynnik ten ma odzwierciedlać występowanie zjawiska autokorelacji przestrzennej między badanymi obiektami w przestrzeni społeczno-gospodarczej. Pozwoli to na uwzględnienie powiązań o charakterze przestrzennym między obiektami w procesie ich przyporządkowywania do danej populacji (grupy). Podstawowym celem tej modyfikacji, spotykanej również w przypadku innych procedur statystycznych i ekonometrycznych, jest ocena, czy wprowadzenie efektu autokorelacji przestrzennej do klasycznej procedury klasyfikacyjnej doprowadzi do wzrostu liczby poprawnie zakwalifikowanych przypadków. (fragment tekstu)

20

Warunki i efekty działalności łowieckiej w Polsce według województw

61%

Śliwicki D.

Wiadomości Statystyczne

|

2017

|

nr 6

58-72

Celem artykułu jest wyodrębnienie województw o podobnych warunkach i efektach prowadzenia działalności łowieckiej. Jako narzędzia badawcze wykorzystano technikę porządkowania liniowego i grupowania obiektów wielocechowych. W badaniu posłużono się danymi GUS w zakresie łowiectwa za 2015 r. Do doboru zmiennych diagnostycznych uwzględnionych w konstrukcji rankingów oraz grup województw wykorzystano parametryczną metodę Hellwiga. Z badania przeprowadzonego dwiema metodami o różnych sposobach normalizacji zmiennych diagnostycznych oraz odmiennej konstrukcji mierników rozwoju otrzymano podobne wyniki zarówno w zakresie uporządkowania, jak i wyodrębnienia grup województw. (abstrakt oryginalny)