Metoda Warda w zastosowaniu klasyfikacji województw Polski z różnymi miarami odległości

• Autorzy: Beata Basiura

Warianty tytułu

The Ward Method in the Application for Classification of Polish Voivodeships with Different Distances

• Języki publikacji: PL

Abstrakty

W niniejszej pracy proponuje się porównanie wyników klasyfikacji województw Polski z zastosowaniem różnych funkcji celu. Badanie starano się przeprowadzić na podstawie danych empirycznych z uzasadnieniem wyboru miary podobieństwa. Porównano wyniki otrzymane przy zastosowaniu klasycznej metody Warda oraz algorytmu proponowanego przez formułę Lance'a-Williamsa. Wydaje się, że stosowanie różnych miar odległości w klasyfikacji województw Polski metodą Warda daje porównywalne jakości klasyfikacji. Na tle zaproponowanych odległości wyróżnia się ważona odległość euklidesowa.(abstrakt oryginalny)

EN

This paper proposes to compare the results of the classification of Polish voivodeships with different objective function. It was attempted to perform the study on the basis of empirical justification for the selection of the similarity measures. The results obtained using the classical method of Ward and the algorithm proposed by the Lance-Williams formula were compared. It seems that the use of different distance measures in the classification of Polish voivodeships using the Word method gives comparable classification quality. Against the background of the proposed distance the weighted Euclidean distance is distinguished.(original abstract)

Słowa kluczowe

PL

Metoda Warda; Klasyfikacja; Miara odległości; Miara podobieństwa; Odległość euklidesowa

EN

Ward method; Classification; Distance measures; Similarity measure; Euclidean distance

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2013
• Tom: 21
• Numer: nr 279 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 209--216

Twórcy

autor

Beata Basiura

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

Bibliografia

• Batagelj V., 1988, General Ward and Related Clustering Problems, Classification and Related Methods of Data Analysis, Amsterdam, pp. 67-74.
• Calinski R.B., Harabasz J., 1974, A dendrite method for cluster analysis, "Communications in Statistics", vol. 3, 1-27.
• Davies D.L., Bouldin D.W., 1979, A cluster separation measure, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 1, no. 2, pp. 224-227.
• Gatnar E.,Walesiak M. (red.), 2004, Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo AE, Wrocław.
• Jain A., Dubes R., 1988, Algorithms for Clustering Data, Prentice Hall, New Jersey.
• Kaufman L., Rousseeuw P.J., 1990, Finding Groups in Data: an Introduction to Cluster Analysis, Wiley, New York, pp. 83-88.
• Lance G., Williams W.T., 1967, A general theory of classificatory storing strategies i hierarchical systems, "Computer Journal", nr 9.
• Mirkin B., 2005, Clustering for Data Mining, Chapman&Hall/CRC.
• Sokal R.R., Rohlf F.J., 1962, The comparison of dendrograms by objective methods, "Takson" no. 2, pp. 33-40.
• Szekely G., Rizzo M., 2005, Hierachical clustering vie Joit between-within distances: extending Ward's minimum variance method, "Journal of Classification", vol. 22, pp. 151-183.
• Walesiak M., Gatnar E., 2009, Statystyczna analiza danych z wykorzystaniem programu R, PWN, Warszawa.
• Walesiak M., Dudek M., 2012, Package 'clusterSim' in R project, http://keii.ue.wroc.pl/clusterSim/ index.html.
• Ward J.H., 1963, Hierarchical grouping to optimize an objective function, "Journal of the American Statistical Association", no. 58, pp. 236-244.
• R Development Core Team (2005). R: A language and environment for statistical computing, reference index version 2.12.2 (2011-02-25) R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org.