Badanie jakości predykcyjnej segmentacji rynku

• Autorzy: Paśko Ł. , Setlak G.

Warianty tytułu

EN

An examination of the quality of predictive market segmentaton

• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest ocena wyników predykcyjnej segmentacji rynku za pomocą narzędzi wykorzystywanych do badania jakości klasyfikatorów. Omawiana predykcyjna segmentacja rynku dotyczyła wyrobów gospodarstwa domowego. Przeprowadzono ją, wykorzystując klasyfikatory CART i CHAID. W pracy przedstawiono rezultaty oceny tych klasyfikatorów oraz wynikające z tego wnioski, dotyczące jakości segmentacji rynku.

EN

The aim of the paper is to assess the results of predictive market segmentation using methods of examination of classifiers’ quality. The discussed predictive market segmentation was applied to household products. It was performed using CART and CHAID classifiers. The article contains the results of assessing the classifiers and the consequent conclusions on the quality of market segmentation.

Słowa kluczowe

PL

klasyfikacja danych; ocena jakości klasyfikatorów; drzewo decyzyjne

EN

data classification; assessment of classifiers’ quality; decision tree

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2016
• Tom: Vol. 37, nr 1
• Strony: 83--97
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Paśko Ł.

• Politechnika Rzeszowska, Zakład Informatyki, al. Powstańców Warszawy 8, 35-959 Rzeszów, Polska

autor

Setlak G.

• Politechnika Rzeszowska, Zakład Informatyki, al. Powstańców Warszawy 8, 35-959 Rzeszów, Polska

Bibliografia

• 1. Cios K., Pedrycz W., Świniarski R.: Data mining methods for knowledge Discovery. Kluwer, Norwell MA 1998.
• 2. Costa E.P., Lorena A.C., Carvalho A.C.P.L.F., Freitas A.A.: A review of performance evaluation measures for hierarchical classifiers. Evaluation Methods for Machine Lear-ning II: papers from the AAAI-2007 Workshop, AAAI Press, 2007, s. 182÷196.
• 3. Dolnicar S.: Using cluster analysis for market segmentation – typical misconceptions, established methodological weaknesses and some recommendations for improvement. Australasian Journal of Market Research, Vol. 11(2), 2003, s. 5÷12.
• 4. Everitt B.S., Landau S., Leese M.: Cluster analysis. Wiley Publishing, Nowy Jork 2009.
• 5. Fawcelt T.: An introduction to ROC analysis. Pattern Recognition Letters, Vol. 27, Is-sue 8, Elsevier, New York 2006, s. 861÷874.
• 6. Gordon A.D.: Classification, 2nd edition. Chapman & Hall/CRC Press, 1999.
• 7. Migut G.: Zastosowanie technik analizy skupień i drzew decyzyjnych do segmentacji rynku. Materiały Seminarium StatSoft „Zastosowanie nowoczesnej analizy danych w marketingu i badaniach rynku”, Kraków 2010.
• 8. Nowak-Brzezińska A., Xięski T.: Grupowanie danych złożonych. Zeszyty Naukowe Politechniki Śląskiej, Seria Informatyka, Vol. 32, No. 2A(96), s. 391÷401.
• 9. Paśko Ł., Setlak G.: Ocena segmentacji rynku za pomocą miar jakości grupowania da-nych. Zeszyty Naukowe Politechniki Śląskiej, Seria Informatyka, Vol. 35, No. 2(116), Gliwice 2014, s. 157÷173.
• 10. Powers D.M.W.: Evaluation: from precision, recall and F-score to ROC, informedness, markedness & correlation. Journal of Machine Learning Technologies, Vol. 2, 2011, s. 37÷63.
• 11. Provost F., Fawcett T., Kohavi R.: The case against accuracy estimation for comparing classifiers. Proceedings of the ICML-98. Morgan Kaufmann, San Francisco 1998, s. 445÷453.
• 12. Setlak G., Paśko Ł.: Zastosowanie metod eksploracji danych do segmentacji rynków. Zeszyty Naukowe Politechniki Śląskiej, Seria Informatyka, Vol. 34, No. 2A(111), Gli-wice 2013, s. 311÷323.
• 13. Sokolova M., Lapalme G.: A systematic analysis of performance measures for classifi-cation tasks. Information Processing and Management, Vol. 45, Issue 4, Elsevier, 2009, s. 427÷437

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.