$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

연속형 자료에 대한 나무형 군집화
Tree-structured Clustering for Continuous Data 원문보기

응용통계연구 = The Korean journal of applied statistics, v.18 no.3, 2005년, pp.661 - 671  

허명회 (고려대학교 통계학과) ,  양경숙 (BK21 한국학 교육연구단)

초록
AI-Helper 아이콘AI-Helper

본 연구는 반복분할(recursive partitioning)에 의한 군집화 방법을 개발하고 활용 예를 보인다. 노드 분리 기준으로는 Overall R-Square를 채택하였고 실용적인 노드 분리 결정 방법을 제안하였다. 이 방법은 연속형 자료에 대하여 나무 형태의 해석하기 쉬운 단순한 규칙을 제공하면서 동시에 변수선택기능을 제공한다. 환용 예로서 Fisher의 붓꽃데이터와 Telecom 사례에 적용해 보았다. K-평균 군집화와 다른 몇 가지 사항이 관측되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The aim of this study is to propose a clustering method, called tree-structured clustering, by recursively partitioning continuous multivariate dat a based on overall $R^2$ criterion with a practical node-splitting decision rule. The clustering method produces easily interpretable cluster...

주제어

#나무형 군집화(tree-structured clustering)   #노드 분리   #K-평균 군집화   #변수선택  

참고문헌 (8)

  1. 강현철, 한상태, 최종후 (2000). 의사결정나무를 활용한 데이터마이닝 예측모형 해석, , 2000년 춘계. 39-44 

  2. 최대우, 구자용, 최용석 (2004). 배경자료를 이용한 나무군집의 군집분석, , 17, 535-545 

    원문보기 상세보기

  3. Breiman, L., Friedman, J.H., Olshen, R.A. and Stone, C.J. (1984). Classification and Regression Trees, Wadsworth, CA: Belmont 

  4. DeSarbo, W.S., Carrol, J.D., and Clark, L.A., and Green, P.E. (1984). Synthesized clustering: A method for amalgamating alternative clustering bases with differential weighting of variables, Psychometrika, 49, 57-78 

    상세보기 crossref

  5. Kass, G. (1980). An exploratory technique for investigating large quantities of categorical data, Applied Statistics, 29, 119-219 

    상세보기 crossref

  6. Liu, B., Xia, Y. and Yu, P.S. (2000). Clustering through decision tree construction, IBM Research Report RC21695 

  7. Makarenkov, V. and Legendre, P. (2001). Optimal variable weighting for ultrametric and additive trees and k-means partitioning: methods and software, Journal of Classification, 18. 245-271 

    상세보기

  8. Quinlan, J.R. (1993). C4.5 Programs for Machine Learning, Morgan Kaufmann, CA: San Mateo 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로