Porównanie dokładności metody odległości probabilistycznej i podejścia zagregowanego w taksonomii
DOI:
https://doi.org/10.18778/0208-6018.322.07Słowa kluczowe:
grupowanie, dokładność, metoda odległości probabilistycznej, podejście zagregowane w taksonomiiAbstrakt
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.
Pobrania
Bibliografia
Ben-Israel A., Iyigun C. (2008), Probabilistic d-clustering, “Journal of Classification”, 25(1), pp. 5–26.
Dudoit S., Fridlyand J. (2003), Bagging to improve the accuracy of a clustering procedure, “Bioinformatics”, vol. 19, no. 9, pp. 1090–1099.
Fred A., Jain A. K. (2002), Data clustering using evidence accumulation, “Proceedings of the Sixteenth International Conference on Pattern Recognition”, pp. 276–280.
Hornik K. (2005), A CLUE for CLUster ensembles, “Journal of Statistical Software”, 14, pp. 65–72.
Leisch F. (1999), Bagged clustering, “Adaptive Information Systems and Modeling in Economics and Management Science”, Working Papers, SFB, 51.
Pobrania
Pliki dodatkowe
Opublikowane
Numer
Dział
Jak cytować
