Grafické metody v EA, CA a PCA pro analýzu vícerozměrných dat
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25210%2F06%3A00009062" target="_blank" >RIV/00216275:25210/06:00009062 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Grafické metody v EA, CA a PCA pro analýzu vícerozměrných dat
Popis výsledku v původním jazyce
Vícerozměrná data jsou většinou reprezentovaná maticí s n objekty v řádcích a m atributy ve sloupcích. Cílem analýzy je často nalezení skrytých vazeb a struktur jak v objektech tak i v atributech. Grafy exploratorní analýzy dat (EA) umožňují rychlé pochopení a posouzení podobnosti či výjimečnosti jednotlivých objektů, stejně tak i pochopení vztahů mezi atributy. Některé metody vícerozměrné analýzy (např. shluková analýza (CA) nebo analýza hlavních komponent (PCA)) umožňují seskupit objekty i atributy doshluků nebo najít latentní atributy ? i zde lze s úspěchem použít grafické zobrazení. Cílem této práce je ukázat využití grafických metod v exploratorní i vícerozměrné analýze dat.
Název v anglickém jazyce
Graphical Methods in EA, CA AND PCA for Multidimensional Data Analysis
Popis výsledku anglicky
Multidimensional data are usually represented by the matrix with n objects in rows and m attributes in columns. The aim of the analysis is to find the hidden relations and structures in the objects and attributes. Diagrams of the exploratory data analysis (EA) allow quick understanding and evaluating of similarity or exceptionality of the objects or understanding of relationships among the attributes. Some methods of multidimensional data analysis (e.g. cluster analysis (CA) or principal component analysis (PCA)) allows to set objects or attributes into clusters or find the latent attributes ? in this case is also possible to use the graphical methods. The aim of this paper is to show the usage of graphical methods in exploratory and multidimensional data analysis.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2006
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Aktuální problémy pedagogiky ve výzkumech studentů doktorských studijních programů IV. Sborník příspěvků z IV. ročníku studentské vědecké konference
ISBN
80-7220-280-4
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
—
Název nakladatele
Votobia
Místo vydání
Olomouc
Místo konání akce
Olomouc
Datum konání akce
11. 12. 2006
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—