A Comparison of Different Clustering Methods on the Biological Data with n<p Dimensions
Journal Name:
- Kahramanmaraş Sütçü İmam Üniversitesi Doğa Bilimleri Dergisi
Key Words:
Keywords (Original Language):
Author Name | University of Author | Faculty of Author |
---|---|---|
Abstract (2. Language):
This research was carried out on 38 variables from 24 types of pistachio (Pistacia vera L.) with n<p
dimensions. However, in order to apply the some multivariate test statistics of clustering analysis to this type data
matrix, the number of variables (np) must be decreased. Principal Component, Discriminant and analysis of
correlation were used to decrease the number of variables. The reduced number of variables by using these
mentioned methods, was comparatively evaluated by using different clustering methods. Present results shown that
the most suitable method for clustering is the Ward method used together with Principle Components variable
reducing technique. It was also found out that the most suitable measurement index to determine the number of
clusters were Wilk’s Lambda, Cmax and Hotelling Lawley Trace statistics.
Bookmark/Search this post with
Abstract (Original Language):
Araştırma, n<p boyutlu olan, 24 farklı Antepfıstığı (Pistacia vera L.) tipi ve bu tiplerden alınan 38 adet
değişken üzerinde yapıldı. Ancak bu tip bir veri matrisine kümeleme analizine ilişkin bazı çok değişkenli test
istatistiklerinin uygulanabilmesi için değişken sayısının (np) azaltılması gerekmektedir. Değişken sayısının
azaltılmasında Temel Bileşenler (Principal Component) analizi, Ayırma (Diskriminant) analizi ve Korelasyon
analizinden yararlanılmıştır. Sözü edilen metotlarla indirgenen değişkenler, farklı kümeleme metotlarıyla
karşılaştırmalı olarak incelendi. Sonuçta, kümelemede en uygun yöntemin Temel Bileşenler analizi ile birlikte
kullanılan Ward metodunun olduğu saptandı. Küme sayısının belirlenmesinde ise en uygun ölçütün Cmax, Wilks
Lambda ve Hotelling Lawley İz istatistiklerinin olduğu belirlenmiştir.
FULL TEXT (PDF):
- 4
26-36