КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Основи дискримінантного аналізу
Завдання дискримінантного аналізу полягає у виробленні рекомендацій щодо зарахування нових об’єктів до одного з раніше сформованих кластерів. Розглянемо процедуру зарахування об’єкта дослідження до одного з двох попередньо сформованих кластерів. Допустимо, що з даних статистичних спостережень за n об’єктами, які характеризуються m ознаками, утворено дві вибірки обсягом і ():
; , де – кількість об’єктів, віднесених до першого кластера, а – кількість об’єктів, віднесених до другого кластера. Нехай - вектор значень ознак нового об’єкта, який потрібно включити до першого або другого кластера. Для зарахування нового об’єкта до одного з кластерів визначають межу дискримінації: , (2.22) де і - це середні значення дискримінантних функцій, які є лінійною комбінацією класифікаційних ознак. Значення та відповідно інтерпретують як центри тяжіння першого і другого кластерів і називають центроїдами. Обчислення центроїдів вимагає попереднього виконання таких кроків: • знаходження середніх значень ознак для кожного з кластерів: , (2.23) де ; , (2.24) де ; • розрахунок елементів коваріаційних матриць (): , де
; (2.25)
, де
; (2.26) • визначення незміщеної оцінки сумарної коваріаційної матриці: , (2.27) • визначення вектора оцінок коефіцієнтів дискримінантної функції: . (2.28) За значеннями компонентів вектора А можна обчислити дискримінантні функції та для вхідних даних Х і Y, їхні середні значення, а також дискримінантну функцію для об’єкта, що підлягає включенню до одного з кластерів : ; (2.29) ; (2.30)
; (2.31) ; (2.32) . (2.33)
Якщо , тобто оцінка дискримінантної функції для нового об’єкта не менша за межу дискримінації, то його треба зарахувати до сукупності Х, інакше – до сукупності Y.
Процедура дискримінантного аналізу для трьох і більше кластерів суттєво ускладнюється і вимагає використання пакетів прикладних програм статистичного оброблення даних. Приклад 2.3. На підставі даних сукупностей спостережень, які характеризуються трьома ознаками, у результаті кластерного аналізу отримано дві навчаючі вибірки:
та
відповідно з обсягами р=3 і q=7 (див. попередній приклад). На підставі процедури дискримінантного аналізу визначити, до якої із вибірок (кластерів) зарахувати одиницю спостереження, значення ознак якої подано вектором-рядком . Результати розрахунку середніх значень ознак і елементів коваріаційних матриць Sx та Sy показано відповідно у табл.2.4 - 2.9. Таблиця 2.4
Таблиця 2.5
Таблиця 2.6
Таблиця 2.7
Таблиця 2.8
Таблиця 2.9
Згідно з (2.27) і (2.28) послідовно знаходимо незміщені оцінки сумарної коваріаційної матриці і вектор оцінок коефіцієнтів дискримінантної функції.: ; ; ; ; . Користуючись співвідношеннями (2.29), (2.30) і (2.33) отримуємо: ;
; . Середні значення дискримінантних функцій і відповідно становлять: ; . Тоді, з урахуванням (2.22), дискримінантна межа становить . Оскільки оцінка дискримінантної функції перевищує дискримінантну межу М, то нову одиницю спостереження треба зарахувати до кластера Х.
Дата добавления: 2014-12-16; Просмотров: 676; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |