| Attributes | Values |
|---|
| rdfs:label
| |
| rdfs:comment
| - Дискриминантный анализ — раздел вычислительной математики, представляющий основное средство решения задач Распознавания образов, инструмент статистики, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы»). Является основным алгоритомом решения задач построения Искусственного интеллекта. Нейронные сети являются частным случаем Дискриминантного анализа (в среде специалистов нейронные сети часто шутливо называют "распознаванием для ленивых").
- Дискриминантный анализ - группа методов многомерной статистики, предназначенных для 1) описания различий между классами и 2) классификации объектов, не входивших в первоначальную обучающую выборку. Для решения первой задачи строится пространство канонических дискриминантных функций, которые позволяют с максимальной эффективностью ``разделить классы. Для того чтобы разделить k классов, требуется не более (k - 1) канонических дискриминантных функций (например, для разделения двух классов достаточно одной функции, для разделения трех классов - двух функций и т.д.).
|
| dcterms:subject
| |
| dbkwik:ru.math/pro...iPageUsesTemplate
| |
| abstract
| - Дискриминантный анализ - группа методов многомерной статистики, предназначенных для 1) описания различий между классами и 2) классификации объектов, не входивших в первоначальную обучающую выборку. Для решения первой задачи строится пространство канонических дискриминантных функций, которые позволяют с максимальной эффективностью ``разделить классы. Для того чтобы разделить k классов, требуется не более (k - 1) канонических дискриминантных функций (например, для разделения двух классов достаточно одной функции, для разделения трех классов - двух функций и т.д.). Канонические дискриминантные функции можно рассматривать как аналог регрессии, построенной для целей классификации; дискриминантные (исходные) переменные являются в них переменными независимыми . Для измерения абсолютного и относительного вклада дискриминантных переменных в разделение классов используются нестандартизированные и стандартизированные коэффициенты канонических функций. В пространстве канонических дискриминантных функций можно также решать задачу классификации объектов, не принадлежавших к первоначальной выборке. Для этого вычисляются расстояния от каждого ``нового объекта до геометрического ``центра каждого класса. Могут учитываться априорные вероятности принадлежности к классам, а также цена ошибок классификации. Метод предъявляет к данным довольно строгие требования. В модели должно быть не менее двух классов, в каждом классе - не менее двух объектов из обучающей выборки, число дискриминантных переменных не должно превосходить объем обучающей выборки за вычетом двух объектов. Дискриминантные переменные должны быть количественными и линейно независимыми (не должны коррелировать друг с другом). Выполнение этих требований проконтролировать достаточно легко. Для каждого класса требуется также приблизительное равенство матриц ковариации и многомерная нормальность распределения.
- Дискриминантный анализ — раздел вычислительной математики, представляющий основное средство решения задач Распознавания образов, инструмент статистики, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы»). Является основным алгоритомом решения задач построения Искусственного интеллекта. Нейронные сети являются частным случаем Дискриминантного анализа (в среде специалистов нейронные сети часто шутливо называют "распознаванием для ленивых").
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)