Obiekt

Tytuł: Metody selekcji zmiennych symbolicznych w zagadnieniach klasyfikacji

Tytuł odmienny:

Methods of Selecting Symbolic Variables for Clustering Problems

Autor:

Pełka, Marcin ; Wilk, Justyna

Opis:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2010; Nr 107, s. 216-223

Abstrakt:

Celem artykułu jest przedstawienie i porównanie dwóch metod selekcji zmiennych w analizie danych symbolicznych tj. metody grafowej Ichino oraz modyfikacji metody HINoV. W artykule przedstawiono podstawowe pojęcia z zakresu analizy danych symbolicznych wraz z możliwymi metodami selekcji zmiennych symbolicznych. W części empirycznej porównano wyniki badań symulacyjnych na przykładzie danych wygenerowanych za pomocą procedury cluster.Gen z pakietu cluster.Sim dla programu R.

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2010

Typ zasobu:

artykuł

Identyfikator zasobu:

oai:dbc.wroc.pl:121470

Język:

pol

Powiązania:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2010; Nr 107 ; Taksonomia 17 ; Klasyfikacja i analiza danych – teoria i zastosowania

Prawa:

Wszystkie prawa zastrzeżone (Copyright)

Prawa dostępu:

Dla wszystkich w zakresie dozwolonego użytku

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Źródło finansowania:

Dofinansowano z programu "Społeczna odpowiedzialność nauki" Ministra Edukacji i Nauki (SONB/SP/546390/2022). Tytuł projektu: Upowszechnienie zawartości czasopisma Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

30 paź 2023

Data dodania obiektu:

16 maj 2023

Liczba wyświetleń treści obiektu:

38

Wszystkie dostępne wersje tego obiektu:

https://www.dbc.wroc.pl/publication/159750

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Podobne

×

Cytowanie

Styl cytowania:

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji