The Comparison of Model-Based Clustering with Heuristic Clustering Methods

• Autorzy: Ewa Witek

Warianty tytułu

Porównanie analizy skupień opartej na modelach z klasycznymi metodami taksonomicznymi

• Języki publikacji: EN

Abstrakty

Najczęściej w różnych analizach statystycznych wykorzystywane są klasyczne metody analizy skupień, opierające się na podejściu heurystycznym. W referacie zaprezentowane zostanie podejście modelowe w analizie skupień (model-based clustering), bazujące na modelach probabilistycznych. W części empirycznej referatu podejście to zostanie porównane z klasycznymi metodami taksonomicznymi (metodami hierarchicznymi oraz metodami iteracyjno-aglomeracyjnymi). (abstrakt oryginalny)

EN

Most clustering done in practice is based largely on heuristic but intuitively reasonable procedures. This article reviews the model-based approach to clustering, based on probability models and presents the comparison with well known hierarchical and iterative relocation clustering methods. (original abstract)

Słowa kluczowe

PL

Metody taksonomiczne; Analiza skupień; Model probabilistyczny

EN

Taxonomic methods; Cluster analysis; Probabilistic model

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2011
• Tom: 255 Methodological Aspects of Multivariate Statistical Analysis : Statistical Models and Applications
• Strony: 191-197

Twórcy

autor

Ewa Witek

• The Karol Adamiecki University of Economics in Katowice, Poland, doktorant

Bibliografia

• Bock H.H., (1996) Probabilistic models in cluster analysis. Computational Statistics and Data Analysis. 23. 5-28.
• Dasgupta A., Raftery A.E. (1998), Detecting features in spatial point processes with clutter via model-based clustering. "Journal of the American Statistical Association". 93. 294-302.
• Dempster A.P., Laird N.M., Rubin D.B. (1977), Maximum likelihood for incomplete data via the EM algorithm (with discussion). "Journal of the Royal Statistical Society", ser. B. 39. 1-38.
• Fraley C. Raftery A.E. (1998). How many clusters? Which clustering method? Answers via model-based cluster analysis. "The Computer Journal", 41, 577-588.
• Fraley C. Raftery A.E. (2002), Model-based clustering, discriminant analysis, and density estimation. "Journal of the American Statistical Association". 97. 611-631.
• Kass R.E., Raftery A.E. (1995). Bayes Factors, Journal of the American Statistical Association. 90. 928-934.
• Keribin C., Consistent estimation of the order of mixture models. Sankhya Indian J. Stat. v. 62. 49-66.
• McLachlan G.J., Peel D. (2000). Finite mixture models. Wiley. New York.
• Witek E., 2009 (a), Analiza skupień-podejście modelowe, in: M. Walesiak, E. Gatnar (ed.). Statystyczna analiza danych z wykorzystaniem programu R. PWN. Warszawa, s. 434-462.
• Witek E., 2009 (b). On an improvement of the model-based clustering method, in: Cz. Domański, J. Białek (ed.). Multivariate statistical analysis statistical inference, statistical models and applications, Wydawnictwo Uniwersytetu Łódzkiego, s. 229-235.
• Schwarz G. (1978). Estimating the dimension of a model. "The Annals of Statistics". 6, 461-464.

Identyfikatory

DOI

11089/699