Using R Packages for Comparison of Cluster Stability

Dorota Rozmus

doi:10.18778/0208-6018.330.05

Autor

Dorota Rozmus University of Economics in Katowice, Faculty of Finance and Insurance, Department of Economic and Financial Analysis

DOI:

https://doi.org/10.18778/0208-6018.330.05

Słowa kluczowe:

grupowanie, taksonomia, stabilność

Abstrakt

W ostatnich latach dużo uwagi poświęca się zagadnieniu stabilności metod taksonomicznych, czyli odpowiedzi na pytanie o to, na ile struktura odkryta przez daną metodę rzeczywiście jest obecna w danych. W literaturze zaproponowano wiele różnych sposobów pomiaru stabilności. W ślad za rozważaniami teoretycznymi w tym zakresie idzie także rozwój narzędzi informatycznych pozwalających na praktyczne zastosowanie zaproponowanych sposobów badania stabilności. Wśród tych narzędzi jest także kilka bibliotek w programie R, np. clValid, clv, fpc, ClusterStability, pvclust. Celem artykułu jest porównanie wyników badania stabilności grupowania za pomocą wybranych bibliotek w programie R.

Pobrania

Statystyki pobrań niedostępne.

Bibliografia

Ben‑Hur A., Guyon I . (2003), Detecting Stable Clusters Using Principal Component Analysis, “Methods in Molecular Biology”, vol. 224, pp. 59–182.

Brock G., Pihur V., Datta S., Datta S. (2011), clValid: An R Package for Cluster Validation, http://cran.us.r‑project.org/web/packages/clValid/vignettes/clValid.pdf.

Fang Y., Wang J. (2012), Selection of the Number of Clusters via the Bootstrap Method, “Computational Statistics and Data Analysis”, vol. 56, pp. 468–477.

Granichin O., Volkovich Z., Toledano‑Kitai D. (2015), Cluster Validation, “Randomized Algorithms in Automatic Control and Data Mining”, vol. 67, pp. 163–228.

Hosein A., Behrouz M., Hamid P., Mohsen M. (2011), An Asymmetric Criterion for Cluster Validation, “Developing Concepts in Applied Intelligence”, Studies in Computational Intelligence”, vol. 363, pp. 1–14.

Koepke H., Clarke B. (2013), A Bayesian Criterion for Cluster Stability, “Statistical Analysis and Data Mining: The ASA Data Science Journal”, vol. 6, issue 4, pp. 346–374.

Ryazanov V. (2016), About Estimation of Quality of Clustering Results via Its Stability, “Intelligent Data Analysis”, vol. 20(1), pp. 5–15.

Shamir O., Tishby N. (2008), Cluster Stability for Finite Samples, “Advances in Neural Information Processing Systems”, vol. 20, pp. 1297–1304.

Volkovich Z., Barzily Z., Toledano‑Kitai D., Avros R. (2010), The Hotteling’s Metric as a Cluster Stability Measure, “Computer Modelling and New Technologies”, vol. 14, no. 4, pp. 65–72.

Wang J. (2010), Consistent Selection of the Number of Clusters via Cross‑validation, “Biometrika”, vol. 97, pp. 893–904.