Comparison of the Accuracy of the Probabilistic Distance Clustering Method and Cluster Ensembles

Dorota Rozmus

doi:10.18778/0208-6018.322.07

Autor

Dorota Rozmus Uniwersytet Ekonomiczny w Katowicach

DOI:

https://doi.org/10.18778/0208-6018.322.07

Słowa kluczowe:

grupowanie, dokładność, metoda odległości probabilistycznej, podejście zagregowane w taksonomii

Abstrakt

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

Brak dostępnych danych do wyświetlenia.

Bibliografia

Ben-Israel A., Iyigun C. (2008), Probabilistic d-clustering, “Journal of Classification”, 25(1), pp. 5–26.
Google Scholar

Dudoit S., Fridlyand J. (2003), Bagging to improve the accuracy of a clustering procedure, “Bioinformatics”, vol. 19, no. 9, pp. 1090–1099.
Google Scholar

Fred A., Jain A. K. (2002), Data clustering using evidence accumulation, “Proceedings of the Sixteenth International Conference on Pattern Recognition”, pp. 276–280.
Google Scholar

Hornik K. (2005), A CLUE for CLUster ensembles, “Journal of Statistical Software”, 14, pp. 65–72.
Google Scholar

Leisch F. (1999), Bagged clustering, “Adaptive Information Systems and Modeling in Economics and Management Science”, Working Papers, SFB, 51.
Google Scholar