Symbolische Data-Analyse
Symbolische Data-Analyse (SDA) is een statistisch raamwerk dat is ontworpen voor de analyse van complexe, geaggregeerde of set-gewaardeerde gegevens — zogenaamde symbolische gegevens — waarbij elke observatie een groep of concept vertegenwoordigt in plaats van een enkel scalair getal. Geïntroduceerd in zijn moderne statistische vorm door Lynne Billard en Edwin Diday in 2003, breidt SDA de klassieke statistiek uit om interval-gewaardeerde, histogram-gewaardeerde en multi-gewaardeerde variabelen te hanteren, waardoor rigoureuze inferentie op het niveau van kennis in plaats van ruwe individuele records mogelijk wordt.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Billard, L., & Diday, E. (2003). From the statistics of data to the statistics of knowledge: symbolic data analysis. Journal of the American Statistical Association, 98(462), 470–487. DOI: 10.1198/016214503000242 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Symbolic Data Analysis (SDA). ScholarGate. https://scholargate.app/nl/soft-computing/symbolic-data-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →