PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2010 | nr 56 Zastosowanie metod matematycznych w ekonomii i zarządzaniu | 147-157
Tytuł artykułu

Analiza wybranych formalnych własności taksonomicznej metody wektorów nośnych

Treść / Zawartość
Warianty tytułu
On Some Selected Properties of Support Vector Clustering
Języki publikacji
PL
Abstrakty
Badania przeprowadzono na zbiorach danych sztucznych, Smiley, Circle, Twonorm, Spirals. Wygenerowanych za pomocą funkcji z biblioteki mlbench programu statystycznego R. Zbiory te zostały zaprojektowane do sprawdzania własności metod wielowymiarowej analizy statystycznej. Symulacje przeprowadzone na wymienionych zbiorach wskazują, że taksonomiczna metoda wektorów nośnych ma podstawową własność niewrażliwości na permutacje. Końcowy model otrzymany w wyniku zastosowania metody wektorów nośnych jest w pełni opisany za pomocą wybranej funkcji jądrowej oraz zidentyfikowanych wektorów nośnych. W przeprowadzanych analizach zawsze stosowano funkcję jądrową Gaussa, więc wystarczyło sprawdzać, czy zbiór wektorów nośnych zmienia się po permutowaniu obserwacji w zbiorze danych. Takich zmian nie odnotowano.(fragment tekstu)
EN
There are many different methods of unsupervised learning. It is impossible to predict which method is the "best" in general. Given a specific problem the user can decide which method to apply considering some properties of clustering methods. These proper-ties are known as admissibility conditions. The reasonably new Support Vector Clustering method is analysed in terms of the satisfying admissibility conditions. The results are compared within a group of different clustering methods.(original abstract)
Twórcy
  • Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach
Bibliografia
  • Ben-Hur A., Horn D., Siegelman H.T., Vapnik V.: Support Vector Clustering. ,,Journal of Machine Learning Research" 2001, 2, s. 125-137.
  • Fisher L., Ness J.W. van: Admissible Clustering Procedures. "Biometrika" 1971, 58, s. 91-104.
  • Fisher L., Ness J. W. van: Admissible Clustering Procedures. "Biometrika" 1973, 60, s. 422-424.
  • Smola A., Schölkopf B.: Learning with Kernels. Support Vector Machines. Regularization, Optimization, and Beyond. MIT Press, Cambridge 2002.
  • Trzęsiok M.: Analiza wybranych własności metody dyskryminacji wykorzystującej wektory nośne. W: Postępy ekonometrii. Red. A.S. Barczak. AE, Katowice 2004.
  • Vapnik V.:Statistical Learning Theory. John Wiley & Sons, New York 1998.
  • Walesiak M.: Metody klasyfikacji. W: Metody statystycznej analizy wielowymiarowej w badaniach marketingowych. Red. E. Gatnar, M. Walesiak. AE, Wrocław 2004, s. 316-350.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171223205
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.