Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Using the dglars Package to Estimate a Sparse Generalized Linear Model Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Incremental Visualization of Categorical Data

verfasst von : Alfonso Iodice D’Enza, Angelos Markos

Erschienen in: Advances in Statistical Models for Data Analysis

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Multiple correspondence analysis (MCA) is a well-established dimension reduction method to explore the associations within a set of categorical variables and it consists of a singular value decomposition (SVD) of a suitably transformed matrix. The high computational and memory requirements of ordinary SVD make its application impractical on massive or sequential data sets that characterize several modern applications. The aim of the present contribution is to allow for incremental updates of existing MCA solutions, which lead to an approximate yet highly accurate solution; this makes it possible to track, via MCA, the association structures in data flows. To this end, an incremental SVD approach with desirable properties is embedded in the context of MCA.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Robust Estimation of Regime Switching Models
Nächstes Kapitel A New Proposal for Tree Model Selection and Visualization
Literatur
1.
Baker, C., Gallivan, K., Van Dooren, P.: Low-rank incremental methods for computing dominant singular subspaces. Linear Algebra Appl. 436(8), 2866–2888 (2012)MathSciNetCrossRefMATH
2.
Brand, M.: Fast online svd revision for lightweight recommender systems. In: Proceedings of SIAM International Conference on Data Mining, pp. 37–46 (2003)
3.
4.
Chahlaoui, Y., Gallivan K., Van Dooren, P.: An incremental method for computing dominant singular spaces. In: Berry, M.W. (ed.) Proceedings of the Computational Information Retrieval Conference, pp. 53–62. SIAM, Philadelphia (2001)
5.
Chandrasekaran, S., Manjunth, B.S., Wang, Y.F., Winkeler, J., Zhang, H.: An eigenspace update algorithm for image analysis. Graph. Model. Image Process. 59(5), 321–332 (1997)CrossRef
6.
DeGroat, R.D., Roberts, R.: Efficient, numerically stablized rank-one eigenstructure updating. IEEE Trans. Acoust. Speech Sig. Process. 38(2), 301–316 (1990)CrossRef
7.
Fidler, S., Skocaj, D., Leonardis, A.: Combining reconstructive and discriminative subspace methods for robust classification and regression by subsampling. IEEE Trans. Pattern Anal. 28(3), 337–350 (2006)CrossRef
8.
9.
Greenacre, M.J.: Correspondence Analysis in Practice. Chapman and Hall/CRC, London (2007)CrossRefMATH
10.
Greenacre, M., Hastie, T.: Dynamic visualization of statistical learning in the context of high-dimensional textual data. J. Web Semant. 8, 163–168 (2010)CrossRef
11.
Gu, M., Eisenstat, S.C.: A stable and efficient algorithm for the rank-one modification of the symmetric eigenproblem. SIAM J. Matrix Anal. Appl. 15, 1266–1276 (1994)MathSciNetCrossRefMATH
12.
Hall, P., Marshall, D., Martin, R.: Adding and subtracting eigenspaces with eigenvalue decomposition and singular value decomposition. Image Vis. Comput. 20, 1009–1016 (2002)CrossRef
13.
Iodice D’Enza, A., Markos, A.: Low-dimensional tracking of association structures in categorical data. Stat. Comput. (on-line, April, 2014)
14.
Jackson, D.A.: PROTEST: A Procrustean randomization test of community environment concordance. Ecoscience 2, 297–303 (1995)
15.
Levy, A., Lindenbaum, M.: Sequential Karhunen-Loeve basis extraction. IEEE Trans. Image Process. 9(8), 1371–1374 (2000)CrossRefMATH
16.
Lin, L., Shyu, M.L.: Weighted association rule mining for video semantic detection. Int. J. Multimed. Data Eng. Manag. 1(1), 37–54 (2010)CrossRef
17.
Murakami, H., Kumar, B.V.: Efficient calculation of primary images from a set of images. IEEE Trans. Pattern Anal. Mach. Intell. 4(5), 511–515 (1982)CrossRef
18.
Nenadić, O., Greenacre, M.J.: Correspondence analysis in R, with two- and three-dimensional graphics: the ca package. J. Stat. Softw. 20, 1–13 (2007)
19.
Oksanen, J., Kindt, R., Legendre, P., O’Hara, B., Simpson, G.L., Solymos, P., et al.: Vegan: Community ecology package (2008)
20.
Petrović, S., Bašic, B.D., Morin, A., Zupan, B.: Textual features for corpus visualization using correspondence analysis. Intell. Data Anal. 13(5), 795–813 (2009)
21.
Pham, N.K., Morin, A., Gros, P., Le, Q.T.: Intensive use of correspondence analysis for large scale content-based image retrieval. Stud. Comp. Intell. 292, 57–76 (2010)CrossRef
22.
Ross, D., Lim, J., Lin, R.S., Yang, M.H.: Incremental learning for robust visual tracking. Int J. Comput. Vis. 77, 125–141 (2008)CrossRef
23.
Wickam, H.: ggplot2: An implementation of the Grammar of Graphics. R package version 0.8.2 (2009)
24.
Zhu, Q., Lin, L., Shyu, M.L., Chen, S.C.: Effective supervised discretization for classification based on correlation maximization. In: Proceedings of the IEEE International Conference on Information Reuse and Integration, pp. 390–395. IEEE, New York (2011)
Metadaten
Titel
Incremental Visualization of Categorical Data
verfasst von
Alfonso Iodice D’Enza
Angelos Markos
Copyright-Jahr
2015
Buch
Advances in Statistical Models for Data Analysis

Print ISBN: 978-3-319-17376-4

Electronic ISBN: 978-3-319-17377-1

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-17377-1_15