Содержание
- 2. ВОПРОСЫ 1.Назначение дискриминантного метода анализа данных 2.Математико-статистические идеи метода 3.Исходные данные и основные результаты
- 3. 1. НАЗНАЧЕНИЕ ДИСКРИМИНАНТНОГО АНАЛИЗА Дискриминантный анализ это метод многомерной классификации, позволяющий разделять множество испытуемых (объектов) на
- 4. Структура данных для дискриминантного анализа
- 5. Примечания к данным Столбцы – независимые переменные Хi, где i = 1,2…k; – результативный признак (зависимая
- 6. Основные задачи метода 1.Интерпретация различия между классами (признаки объектов, используемые для этого, называются дискриминантными переменными и
- 7. 2.Математико-статистические идеи метода Если дискриминатные переменные представить себе как ортогональные оси k-мерного евклидова пространства, то каждый
- 8. Множество объектов в пространстве признаков можно представить как скопление точек. Если несколько классов объектов отличаются по
- 9. Из геометрической интерпретации задачи дискриминатного анализа следует правило классификации объектов: объект приписывается к тому классу, к
- 10. В компьютерных программах задача классификации решается с помощью дискриминантных функций. Эти функции представляют ортогональные оси, в
- 11. Максимальное число дискриминантных функций на 1 меньше числа классов. Таким образом, дискриминантные функции позволяют преобразовать k-мерное
- 12. Значения дискриминантных функций вычисляются для каждого объекта по формуле идентичной линейному уравнению МРА, которая максимизирует различия
- 13. Значение дискриминантных функций вычисляются для каждого центроида и для каждого объекта. Это позволяет в пространстве дискриминантных
- 14. 3.Исходные данные и основные результаты Исходными данными для анализа является группа из N объектов (испытуемых), разделенных
- 15. Основные результаты дискриминантного анализа 1. Определение статистической значимости различения классов при помощи данного набора дискриминантных переменных.
- 16. Лямбда λ-Вилкса определяет долю остаточной дискриминативной способности переменных при учете данного набора канонических функций. Чем меньше
- 17. 2. Классификация «известных» и «неизвестных» объектов при помощи расстояний или значений априорной вероятности. Качество классификации определяется
- 18. 3. Выяснение вклада каждой переменной в дискриминантный анализ ( по значениям критерия Фишера). 4. Вычисление расстояний
- 20. Скачать презентацию