W roku 2001 Ben-Hur, Horn, Siegelmann i Vapnik zaproponowali nową metodę taksonomiczną – SVC (ang. Support Vector Clustering) – wykorzystującą podejście analogiczne jak w dyskryminacyjnej metodzie wektorów nośnych (SVM). Metoda SVC jest metodą nieparametryczną, tzn. nie wymaga nakładania a priori założeń dotyczących liczby i kształtu skupień. Jednocześnie jest metodą bardzo elastyczną – pozwala na generowanie skupień o nieliniowych, bardzo nieregularnych kształtach.

Zdolność metody SVC do tak elastycznego dopasowywania się do analizowanego zbioru danych niesie ze sobą ryzyko, że metoda nie będzie miała własności stabilności klas, rozumianej jako generowanie podobnej struktury skupień dla różnych, losowo wybieranych próbek ze zbioru danych.

Celem referatu jest przedstawienie wyników analizy stabilności i zgodności klasyfikacji otrzymanych metodą SVC oraz innymi metodami taksonomicznymi. Do pomiaru zgodności wykorzystano indeks Randa. Obliczenia zrealizowano w pakiecie statystycznym R na zbiorach danych standardowo wykorzystywanych do badania własności metod wielowymiarowej analizy statystycznej.

Zakres tematyczny: taksonomia.

Literatura

Ben-Hur A., Horn D., Siegelman H. T., Vapnik V. (2001), Support Vector Clustering, Journal of Machine Learning Research, 2, str. 125–137.

Gatnar E., Walesiak M. [red.] (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław, str. 316–350.

Schölkopf B., Smola A.J. (2002), Learning with Kernels. Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press, Cambridge.

• Legal notice:
  

  Copyright (c) Pielaszek Research, all rights reserved.
  The above materials, including auxiliary resources, are subject to Publisher's copyright and the Author(s) intellectual rights. Without limiting Author(s) rights under respective Copyright Transfer Agreement, no part of the above documents may be reproduced without the express written permission of Pielaszek Research, the Publisher. Express permission from the Author(s) is required to use the above materials for academic purposes, such as lectures or scientific presentations.
  In every case, proper references including Author(s) name(s) and URL of this webpage: https://science24.com/paper/10625 must be provided.