@misc{Korzeniewski_Jerzy_Selekcja_2018,
 author={Korzeniewski, Jerzy},
 identifier={DOI: 10.15611/pn.2018.508.09},
 year={2018},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 description={Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics, 2018, Nr 508, s. 89-95},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 language={pol},
 abstract={W roku 2001 Desai zaproponował ciekawą miarę podobieństwa dwóch różnych wartości/wariantów tej samej cechy. Miarę tę można w dość prosty sposób wykorzystać do wyznaczenia siły dyskryminacyjnej cechy binarnej lub nominalnej wielostanowej w problemie analizy skupień. Idea oparta jest na tym, że im mniejsze podobieństwo, na przykład 1 do 0 (jako wartości zmiennej binarnej), tym większa zdolność dyskryminacyjna cechy. Ten pomysł zastosowano do skonstruowania nowej metody selekcji zmiennych binarnych w zagadnieniu analizy skupień i w zastosowaniu do dość obszernej klasy zbiorów danych binarnych, jaką są dane marketingowe. Podstawową zaletą nowej metody jest jej niezależność od konieczności grupowania danych, co wiąże się zawsze z przyjęciem jakiejś konkretnej metody grupowania oraz konkretnej wartości liczby skupień. Eksperyment przeprowadzony na 162 zbiorach danych pokazuje wysoką efektywność metody},
 title={Selekcja zmiennych w analizie skupień marketingowych zbiorów danych binarnych},
 type={artykuł},
 keywords={analiza skupień, dane binarne, selekcja zmiennych, dane marketingowe, cluster analysis, binary data, variable selection, marketing data},
}