Cluster Analysis – Symbolic vs. Classical Data
Słowa kluczowe:
cluster analysis, symbolic data analysis, classification, numerical taxonomy, symbolic taxonomyAbstrakt
Celem artykułu jest usystematyzowanie wiedzy na temat analizy skupień w zależności od rodzaju danych empirycznych opisujących problem badawczy. W artykule zaprezentowano cele analizy skupień, dokonano klasyfikacji metod analizy skupień, porównano metody taksonomii numerycznej i symbolicznej. Omówiono także specyfikę danych symbolicznych w odniesieniu do danych w ujęciu klasycznym oraz ich źródła w badaniach ekonomicznych. Wskazano metody statystyczne, jakie mają zastosowanie w analizie danych klasycznych i symbolicznych na każdym etapie procedury klasyfikacji.Pobrania
Bibliografia
Anderberg M.R. (1973), Cluster Analysis for Applications, Academic Press Inc., New York
Google Scholar
Bock H.H., Diday E. (Eds.) (2000), Analysis of Symbolic Data. Exploratory Methods for Extracting Statistical Information from Complex Data, Springer-Verlag, Berlin-Heidelberg
Google Scholar
Diday E., Noirhomme-Fraiture M. (Eds.) (2008), Symbolic Data Analysis and the SODAS Software, Wiley, Chichester
Google Scholar
Everitt B.S., Landau S., Leese M. (2001), Cluster Analysis, Fourth Edition, Arnold, London
Google Scholar
Gatnar E. (1998), Symboliczne metody klasyfikacji danych, PWN, Warszawa
Google Scholar
Gordon A.D. (1999), Classification, Chapman & Hall, London-New York-Washington
Google Scholar
Grabiński T. (1992), Metody taksonometrii, Wyd. AE w Krakowie, Kraków
Google Scholar
Hair J.F., Black W.C., Babin B.J, Anderson R.E., Tatham R.L. (2006), Multivariate Data Analysis, Pearson Prentice Hall, New Jersey
Google Scholar
Jain A.K., Murty M.N., Flynn P.J. (1999), Data Clustering: A Review, ACM Computer Survey, vol. 31, no. 3, pp. 264-323
Google Scholar
Koronacki J., Ćwik J. (2005), Statystyczne systemy uczące się, Wydawnictwa Naukowo- Techniczne, Warszawa
Google Scholar
Milligan G.W. (1996), Clustering Validation: Results and Implications for Applied Analyses, In: P. Arabie, L.J. Hubert, G. de Soete (Eds.), Clustering and Classification, World Scientific, Singapore, pp. 341-375
Google Scholar
Mynarski S. (2000), Praktyczne metody analizy danych rynkowych i marketingowych, Zakamycze, Kraków
Google Scholar
Walesiak M. (1993), Strategie postępowania w badaniach statystycznych w przypadku zbioru zmiennych mierzonych na skalach różnego typu, Badania Operacyjne i Decyzje, no. 1, pp. 71-77
Google Scholar
Walesiak M. (2004), Problemy decyzyjne w procesie klasyfikacji zbioru obiektów, In: J. Dziechciarz (Ed.), Ekonometria 13. Zastosowania metod ilościowych, PN AE we Wrocławiu, no. 1010, pp. 52-71
Google Scholar
Wilk J. (2010a), Problemy segmentacji rynku z wykorzystaniem metod klasyfikacji i danych symbolicznych, doctoral thesis, Jelenia Góra (unpublished)
Google Scholar
Wilk J. (2010b), Cluster Analysis Methods in Symbolic Data Analysis, In: J. Pociecha (Ed.), Data Analysis Methods in Economic Investigations, Studia i Prace UE w Krakowie, no. 11, Kraków, pp. 39-54
Google Scholar
Wilk J., Pełka M. (2004), Dane symboliczne w zagadnieniu klasyfikacji, In: M. Rószkiewicz (Ed.), Identyfikacja struktur rynkowych: pomiar – modelowanie – symulacja, Monografie i opracowania, no. 533, Of. Wyd. SGH w Warszawie, Warszawa, pp. 103-120
Google Scholar
