Opis

• Tytuł:
  Comparison of the Accuracy of the Probabilistic Distance Clustering Method and Cluster Ensembles
• Twórca:
  Rozmus, Dorota
• Współtwórca:
  University of Economics in Katowice, Faculty of Finance and Insurance, Department of Economic and Financial Analysis;
  drozmus@ue.katowice.pl
• Opis:
  High accuracy of results is a very important aspect in any clustering problem t determines the effectiveness of decisions based on them. Therefore, literature proposes methods and solutions that aim to give more accurate and stable results than traditional clustering algorithms (e.g. k-means or hierarchical methods). Cluster ensembles (Leisch 1999; Dudoit, Fridlyand 2003; Hornik 2006; Fred, Jain 2002) or the distance clustering method (Ben-Israel, Iyigun 2008) are the examples of such solutions. Here, we carry out an experimental study to compare the accuracy of these two approaches.;
  Stosowanie metod taksonomicznych w jakimkolwiek zagadnieniu grupowania wymaga jednocześnie zapewnienia wysokiej dokładności wyników podziału. Ona bowiem warunkuje skuteczność wszelkich decyzji podjętych na podstawie uzyskanych rezultatów. Dlatego też w literaturze wciąż proponowane są nowe rozwiązania, których zadaniem jest poprawa dokładności grupowania w stosunku do tradycyjnie stosowanych metod (np. k-średnich, hierarchicznych). Przykładami mogą tu być metody polegające na zastosowaniu podejścia zagregowanego (Leisch 1999; Dudoit, Fridlyand 2003; Hornik 2006; Fred, Jain 2002), czy niedawno zaproponowana metoda odległości probabilistycznej (Ben-Israel, Iyigun 2008).Głównym celem artykułu jest porównanie dokładności omawianej metody z dokładnością podejścia zagregowanego w taksonomii.
• Dostępność obiektu:
  Dostęp otwarty
• Prawa:
  © Copyright by Uniwersytet Łódzki, Łódź 2016
• Data:
  2017.04.04;
  2016
• Typ:
  Article
• Język:
  angielski
• Format:
  application/pdf
• Wydawca:
  Wydawnictwo Uniwersytetu Łódzkiego
• Relacja:
  Acta Universitatis Lodziensis. Folia Oeconomica;322;
  3
• Temat i słowa kluczowe:
  clustering;
  accuracy;
  distance clustering method;
  cluster ensemble;
  grupowanie;
  dokładność;
  metoda odległości probabilistycznej;
  podejście zagregowane w taksonomii;
  C38
• Identyfikator:
  0208-6018;
  http://hdl.handle.net/11089/21141 ;
  2353-7663;
  10.18778/0208-6018.322.07
• Dostawca danych:
  Repozytorium Uniwersytetu Łódzkiego
• Czy mogę z tego obiektu skorzystać?:
  poproś o pozwolenie
• Rodzaj zawartości:
  obrazy