The Sensitivity of Hierarchical Clustering Solutions to Irrelevant Variables

Bibliographic Data

ID12103307
AuthorsIstvan Hajnal (KU Leuven, corresponding author), Geert Loosveldt (0000-0001-7261-8991, KU Leuven)
Year1996
Volume50
Issue1
Pages56-70
Publication date1996-03-01
Open AccessYes
TypeARTICLE
VenueBulletin of Sociological Methodology/Bulletin de Méthodologie Sociologique (JOURNAL)
Journal identifiersISSN: 0759-1063 • E-ISSN: 2070-2779
PublisherSAGE Publishing (PUBLISHER • US)
DOI10.1177/075910639605000105
OpenAlexW1990799208
LanguageEN
References cited13

La sensibilité des analyses classificatoires aux variables non-pertinentes. L'analyse classificatoire hiérarchique ascendante est souvent utilisée comme outil d'exploration. L'auteur étudie la sensibilité des analyses classificatoires aux variables non-pertinentes. Après un bref survol de la littérature scientifique, une étude par simulation est présentée dans laquelle une variable aléatoire est ajoutée à l'ensemble des variables qui possèdent une structure classificatoire a priori Cette étude par simulation montre que la plupart des méthodes classificatoires sont sensibles aux variables aléatoires. mais la méthode de Ward l'est mois que d'autres. Même sans ce "bruit", les résultats basés sur l'algorithme de lien simple posaient des problèmes. L'auteur en conclut que l'analyse classificatoire traditionnelle doit être employée seulement quand on a une bonne idée des variables qui doivent être utilisées dans l'analyse. Sinon, on doit employer une pondération ou réduire le nombre de dimensions. tout en préservant la structure classificatoire. Malheureusement, de telles méthodes ne sont pas encore facilement accessibles aux sociologues

Humanities · Advanced Clustering Algorithms Research · Complex Network Analysis Techniques · Data Mining Algorithms and Applications · Philosophy

Tools

Open DOISci-Hub