Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 7

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Mierniki jakości klasyfikacji
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
Artykuł opisuje procedury klasyfikacyjne, które mogą być używane dla danych symbolicznych (tj. dla danych mogących być reprezentowanych w postaci: liczb, danych jakościowych, przedziałów liczbowych, zbioru wartości, zbioru wartości z wagami), przedstawia problemy związane z mierzeniem jakości klasyfikacji dla tych procedur (takie jak brak „klasycznej" macierzy danych) oraz przedstawia, które ze znanych indeksów, takich jak: Silhouette, indeks Calińskiego-Harabasza, indeks Bakera-Huberta, indeks Huberta-Levine, indeks Ratkowskiego, indeks Balia, indeks Hartigana, indeks Krzanowskiego-Lai, indeks Scotta, indeks Marriota, indeks Rubina i indeks Friedmana, mogą być wykorzystane dla tego typu danych oraz jakie są miary jakości podziału specyficzne dla danych symbolicznych. Na podstawie przeprowadzonych symulacji zaproponowane zostały indeksy faktycznie odzwierciedlające strukturę klas dla poszczególnych algorytmów klasyfikacyjnych. (abstrakt oryginalny)
W artykule scharakteryzowano funkcje pomocnicze pakietu clusterSim oraz wybrane funkcje pakietów stats, cluster i ade4 służące zagadnieniu analizy skupień. Ponadto zaprezentowano przykładowe procedury, wykorzystujące analizowane funkcje, ułatwiające potencjalnemu użytkownikowi realizację wielu zagadnień klasyfikacyjnych niedostępnych w podstawowych pakietach statystycznych (np. SPSS, Statistica, SAS). (abstrakt oryginalny)
Celem opracowania jest ocena jakości klasyfikacji województw Polski pod względem stanu zanieczyszczenia środowiska naturalnego oraz wyłonienie najlepszego podziału analizowanych obiektów. Jakość dokonanego podziału została oceniona za pomocą mierników określających stopień heterogeniczności poszczególnych grup i punktów izolowanych w danej klasyfikacji. W klasyfikacji wykorzystano metodę mediany i Warda, na różnych poziomach dendrogramu oceniono jakość klasyfikacji oraz dokonano wyboru podziału najlepszego. Badanie przeprowadzono w przekroju województw Polski, a informacje statystyczne dotyczą roku 2005. Lista zmiennych diagnostycznych obejmowała główne obszary podlegające zanieczyszczeniom, tj. powietrze, wodę i glebę. Obliczenia wykonano w programach Statistica i Taksonomia numeryczna. (abstrakt oryginalny)
Innowacyjne podejście do problematyki konkurencyjności i postęp, jaki doko-nał się w ostatnich latach w tej dziedzinie, doprowadził do wypracowania no-wych, systemowych rozwiązań odpowiadających na wyzwania współczesnej gospodarki. Zaistnienie koncepcji klastrów na przełomie lat 80. i 90. XX wie-ku stanowiło przełom w tradycyjnym podejściu do współpracy świata nauki i biznesu, w szczególności w kontekście transferu technologii z jednostek zaj-mujących się pracami badawczo-rozwojowymi do przedsiębiorstw przemysło-wych. Idea klastrów stanowi nowy sposób kreowania konkurencyjności przed-siębiorstw, oparty na stymulowaniu interakcji pomiędzy poszczególnymi podmiotami życia gospodarczego, które mają na celu generowanie i przyśpie-szenie procesów innowacyjnych. Doświadczenia światowe pokazują, że struk-tury klastrowe są skuteczną formą poszukiwania efektów synergii wynikają-cych z kooperacji przedsiębiorstw z innymi firmami i jednostkami naukowymi [Kowalski 2009, s. 124]. Innowacyjność odgrywa kluczową rolę w działalności klastrów - determi-nuje ich międzynarodową konkurencyjność. Innowacyjne klastry różnią się od tradycyjnych lokalnych systemów produkcyjnych tym, że istotne jest tam partnerstwo i współpraca nie tylko między firmami, ale także między firmami a światem nauki i badań. Instytuty badawcze oraz uniwersytety są więc w ta-kich klastrach istotnymi podmiotami, które wchodzą w sieci powiązań i inte-rakcji ze współpracującymi między sobą przedsiębiorstwami danego systemu produkcyjnego. O takich klastrach często się mówi, że stanowią one lokalne systemy innowacyjne [Wojnicka 2002, s. 34].(fragment tekstu)
5
Content available remote Wpływ liczby skupień na jakość predykcyjnych modeli hybrydowych
84%
Celem opracowania jest przedstawienie wpływu liczby skupień na jakość predykcyjnych modeli hybrydowych. Autorzy zbudowali modele hybrydowe łącząc metodę k-średnich z drzewami klasyfikacyjnymi CART. W analizie wykorzystano kilka zbiorów obserwacji pobranych z ogólnie dostępnych repozytoriów i tematycznie związanych z szeroko rozumianą działalnością marketingową przedsiębiorstw. Przy wyborze optymalnej liczby skupień korzystano z miar: Calińskiego-Harabasza, Krzanowskiego-Lai, Davies'a-Bouldin'a, Hartigana oraz statystyki gap. Następnie zbudowano modele drzew klasyfikacyjnych traktując przynależność obiektu do skupienia jako dodatkową zmienną niezależną. Oceny rozwiązań dokonano za pomocą popularnych współczynników: dokładności, czułości, precyzji, średniej G (G mean) i miary F (F measure) oraz za pomocą wartości współczynnika lift dla pierwszego decyla zbioru testowego. (abstrakt oryginalny)
Artykuł jest poświęcony problematyce szacowania należności handlowych, które są wynikiem powszechnego stosowania kredytu handlowego w kontaktach handlowych podmiotów gospodarczych. Autor w skrócie charakteryzuje istotę należności jako prawa do otrzymania świadczenia, ich miejsce w procesach ekonomicznych i ich podstawową klasyfikację. Podkreśla konieczność zarządzania należnościami i podaje podstawowe pryncypia prowadzenia owej działalności przez kierownictwo firmy. Kolejnym poruszonym tematem jest asekuracja należności. Tekst zawiera szkic podstaw prawnych i zwięzły opis poszczególnych instrumentów asekuracyjnych. Główną uwagę skupia autor na problematyce wyceny rynkowej należności handlowych przedsiębiorstwa. Wymienia zasadnicze cele szacowania realnej wartości składników majątku przedsiębiorstwa i podstawowe zasady określenia kosztów jego odtworzenia. Krótko charakteryzuje zasady praktycznej wyceny należności. Wynikiem długoletniej praktyki autora jest metoda wielomiernikowej wyceny należności, z powodzeniem przez niego stosowana w działalności biegłego sądowego. Metoda jest oparta na względnej kwantyfikacji wpływów ryzyka zaklasyfikowanego według wspólnych cech do kilku stosownie obranych grup, tzw. mierników jakości (klasy) należności. Następnie uwzględniane są koszta rewindykacji należności. Metodę można stosować do wyceny poszczególnych należności przedsiębiorstwa, a także do pakietu należności. (abstrakt oryginalny)
Występująca obecnie na świecie olbrzymia ilość informacji powoduje konieczność budowy i rozwijania coraz doskonalszych narzędzi wspomagających wyszukiwanie informacji relewantnej dla użytkownika. Wyszukiwanie dokumentów, ich filtrowanie i kategoryzację można potraktować jako zagadnienia klasyfikacji dokumentów. W artykule zajmujemy się klasyfikacją dokumentów przy pomocy metod analizy skupień (ang. clustering analysis). Problem klasyfikacji dokumentów jest niezwykle skomplikowany ze względu na złożoność języka naturalnego i ogromny wymiar przestrzeni klasyfikacyjnej cech związany z liczbą słów występujących w języku naturalnym. W pracy jako algorytmu klasyfikującego użyto algorytmu Warda, ponieważ algorytm ten minimalizuje wariancję wewnątrzskupieniową, dzięki czemu uzyskam klasy są wzajemnie względnie odległe od siebie. Autorzy przeprowadzili szereg eksperymentów dotyczących kategoryzacji dokumentów w języku polskim. Dla dokumentów w języku polskim konieczne okazało się użycie słownika, który sprowadza formy fleksyjne do formy podstawowej (np. dla rzeczowników jest to mianownik w liczbie pojedynczej). Uzyskana w wyniku eksperymentów jakość klasyfikacji na poziomie 80-86 % dla języka polskiego, jest porównywalna z wynikami uzyskanymi w innych badaniach [6, 10] dla języka angielskiego. Nowością w pracy jest wbudowanie w algorytm klasyfikacyjny struktury słownikowej - tezaurusa - tworzącego hierarchiczną strukturę pojęć w ramach rozpoznawanych tematów dokumentów. Mechanizm ten pozwolił autorom na uzyskanie wyższej (90-93 %) jakości klasyfikacji dokumentów.(abstrakt oryginalny)
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.