期刊名称:Acta Universitatis Lodziensis. Folia Oeconomica
印刷版ISSN:0208-6018
出版年度:2016
卷号:2016
期号:3
页码:63-70
DOI:10.18778/0208-6018.322.07
语种:English
出版社:Lodz University Press
摘要: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.
其他摘要: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 2 Stability means invariance of results to the random initializations of the algorithm. 70 Dorota Rozmus 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 taksonomi.