Главная » Просмотр файлов » Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика

Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378), страница 14

Файл №1027378 Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика) 14 страницаАйвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378) страница 142017-12-21СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 14)

9! В= — !в~У,(Х) Уз(Х)) бХ. (1. 43) Оно также инвариантно по отношению к взаимно однозначным отображениям координат, аддитивно по отношению к независимым компонентам, обращается в ноль при В случае модели Фишера В = /Р(8, (1.44) и в общем случае двух нормальных распределений (1.13) ! , /Х,+Е1 ~-1 в= — (м — м)'~ ' ') (и — м)+ 3 з ~ —,(х,+в,)~ + — 1п (1.45) з ! ~,1~/з! в !1/з ' С помощью расстояния Бхатачария удается оценить сверху среднюю ошибку классификации при использовании критерия отношения правдоподобия Ь < (л, и )'/з ехр ( — В).

Более подробно зти вопросы обсуждаются в )169! и (160, гл. Зи9!. 1.3. Два класса, заданные генеральнымн совокупностями В параграфе рассматривается случай, когда классы описаны путем указания всех входящих в них наблюдений. Введенные ранее понятия — такие, как отношение правдоподобия, различные характеристики качества классификации, могут быть определены и в этом случае. Для описываемых ниже правил классификации подход с явнымуказанием возможных наблюдений более естествен. Зтн правила (см. п. 1.3.2— 1.3.6) не опираются прямо на отношение правдоподобия, нов простых случаях дают хорошее приближение к решающему правилу, построенному на его основе.

Интерпретируемость полученных формул классификации часто служит з вт залогом их успешно~ о применения. В этом смысле выделяются древообразные алгоритмы (см. п. 1.3.2), методы поиска характерных закономерностей (см. и. 1.3.4) и определение областей компетентности нескольких правил (см. и. 1.3.5). 1.3.1. Вычисление основных показателей. С целью большев преемственности обозначении с последующими главами зададим классы с помощью последовательности пар (Х„, у„), й=-1, 2, ..., и), (1.46) где Մ— вектор возможного значения наблюдения, а у« ---- 1, если Хд принадлежит первому классу, и у« = 2, если второму.

Будем считать также, что новые наблюдения извлекаются наудачу и независимо друг от друга из ряда (1.46). Таким образом, априорная вероятность гипотезы Н~ 0' =-1, 2) пт — — Р(у =/) =~~.", 1/и; функция распределе«н«=г ния Х при гипотезе Н! будет г (Л ! Нт)= ~ 1/ль мд„=ь х„<г где л/ — — ~ 1. Использованная при суммировании запись м««-.=~ Ха ( Е означает, что дл Я всех 1 < ( ( Р имеем х«п! < ап>. Отношение правдоподобия в точке Х Ряд излагаемых ниже методов опирается на функции потерь, введенные в и. 1.1.4.

Они легко могут быть оценены по ряду (!.46). Так, например, определенная с помощью формул (1,3!) н (1,31') вероятность ошибочной классификации запишется (1.31") В дальнейшем будем широко оперировать понятием условного математического ожидания, каждый раз подразумевая, что читатель самостоятельно может перейти от формулы типа (1.3Г) к (1.31"). 1.3.2. Древообразные классификаторы. В основе описываемой ниже группы методов лежит понятие бинарного дерева — графа. Зти деревья принято изображать в перевернутом виде: корень — сверху, листья — - внизу (рис.!.5), при этом под словом «кореньз понимаем самый верхнии узел (вершнну) графа, а под словом «лист» — узеч, из которого вниз не вычодят стрелки к распочоженным ниже узлам.

С каждым узлом 1 дерева связаны следующие объекты: )«', — подмножество пространства наблюдения (Й); )㫠— подмножество генеральной совокупности (1.46) с Хлеб А, — правило классификации из разрешенного набора правил для Х с йн Крометого, для узлов «не-листьев» вводится правило разбиения Я, на два подмножества Янп и ймп, таких, что Я~п, () Рмо=г г Л)««„Н,=И. "КОРЕНЬ" Рис. 1,5. Пример графа лрезообразиого классификатора: Π— проке»куточиый узел; П вЂ” концевой узел — «лист» Древообразные классификаторы определяются рекурсивно. Для этого задаются: 1) критерий качества классификации на )7~', 2) разрешенный класс правил для построения А,; 3) способ построения Нно и Я„п, 4) правило объявления узла листом, т. е.

правило прекращения последующих делений. В качестве корневого (нулевого) узла принимается узел с )св, совпадающим со всем пространством возможных значений Х, н )гв - ((Хю ув), й 1, ..., и). Критерий качества классификации. Пусть с,— штраф за ошибочную классификацию, когда верна гипотеза Н, и функция потерь Я классификатора определена согласно (1.32'). Возьмем в качестве меры качества классификации на Рв классификатора Аг (1.47) Я()«„А,) =Е(д '(Х) )Хс Й~). При этом чем 1',1 меньше, тем классификатор лучше. Разрешенныи класс правил.

Используются максимально простые классификаторы: линейные, линейные с дополнительными предположениями, например о структуре зависимостей признаков; простейшие, относящие все наблюдения 69 Х Е Я, к одной из классифицируемых совокупностей. Среди всех допустимых правил в качестве А, выбирается правило, минимизирующее выбранную функцию риска. При этом ограничимся классами правил, на которых минимум достигается.

Простота разрешенного класса правил компенсируется структурой дерева. Правило разделения. Рассмотрим шкалу, в которой измерена 1-я координата Х (! = 1, ..., р). Если шкала номинальная, то элементарными событиями Т будем называть события вида хш = а или хо> Ф а, где а — одно из возможных значений хб'. Если же шкала порядковая или интервальная, то элементарными событиями будем называть события вида хш ~ ~а. Рассмотрим теперь всевозможные разбиения Я~ с помощью элементарных событий (йс () Т, И, П Т), таких, что ппп (Р(Х Е )~с () Т), Р(Х Е й, Д Т)) > е„(1.48) где е, — некоторое заданное число. Тогда по определению критерия качества классификации (1.47) (2Яс А,)=Р(ХЕ Т!ХЕЛЕНЕ(ч"~(Х)(ХЕЯ,()Т)+ + Р (Х Е Т1 Х Е Р,) Е (9 ' (Х) $ Х Е йю П Т) Рэ ) Р (Х Е Т ) Х Е йД 1п( Е (дл (Х) ( Х Е Яс П Т) + + Р(Х Е Т)ХЕ ЙД !п!Е(9л(Х) [ХЕ й~ ПТ).

(1.49) Нижняя грань в правой части (!.49) берется по всем допустимым классификаторам. Пусть Т, — одно из элементарных событий, удовлетворяющих (1.48), на котором достигается максимальная разность между левой и правой частями (1А9); положим тогда )('по — — Я, () Т, и 1т„п! — — й, () Т,.

Правило объявления узла листом. Узел 7 объявляется листом, если не существует элементарного события, удовлетворяющего условию (!.48), или такое событие существует, но Я(йо А4 — Р(Х Е Тд ! Х Е И,) Я (Ж ап А~ «))— — Р (Х Е Т~ ( Х Е )т (1) ) !в ф, < гь А, <р>) ~ ее. (!.50) Наглядный смысл условий (1.48), (1.50) очевиден: от усложнения классификатора должен быть заметный выигрыш и не следует слишком мельчить разбиения. Древообразные классификаторы обладают рядом привлекательных свойств.

Они относительно просты: при уменьшении е, и е, и соответствующем росте числа ветвей сходятся к классификатору, минимизирующему выбранную функцию потерь; инвариантны относительно монотонных преоб- 70 (1.51) Ф; (Х) = ъ ф(р(Х, Хь))/лл где <р (и) — некоторая известная положительная функция положительного аргумента, стремящаяся к нулю при и- оо, например ехр ( — ар") или (1 1 ара)-', где а ) О, р ) О. Правило классификации записывается: Ф,(Х) Ф, (Х) = (Н», 1Н, (1.52) Изложенный алгоритм близок с описываемым в 4 3.3 непараметрическим методом классификации. Различие заключается в том, что статистическому подходу более соответствовало бы использование: 1) вместо относительного потенциала в Х абсолютного, как лучше учитывающего априорные вероятности классов и 2) вместо разности (1.52) отношения Ф (х) )Н (1.53) 71 разований координат; легко интерпретируемы; при выборе в качестве допустимого класса простейших правил допускают наличие в классифицируемом векторе Х ненаблюдаемых, так называемых «стертых», координат, если, конечно, эти координаты не используются в качестве аргументов ветвления.

В отечественной литературе древообразные правила называют также логическим методом классификации (941. 1.3.3, Метод потенциальных функций, Это — исторически один из первых достаточно универсальных методов построения классификационных правил в условиях хорошей разделимости классов ~13, 131).

Он представляет собою пример результата научного направления, центр тяжести которого лежит не в оптимальном решении задачи классификации при дефиците выборочнон информации, а в разработке рекуррентной процедуры, удобной для ЗВМ и дающей решение в условиял большой выборки. Метод основан на предноложении, что объекты с близкими значениями Х принадлежат одному классу. Поэтому при классификации нового объекта Х надо лишь подсчитать «относительные потенциалы» в Х, порожденные объектами первого и второго классов, и отнести объект к тому классу, чей относительный потенциал выше. Более точно: пусть в пространстве наблюдений определено расстояние р, например евклидово.

Относительный потенциал в Х, созданный объектами ~-го класса, подсчитывается как 1.3.4. Поиск характерных закономерностей. Ниже описывается общая логическая схема одного из наиболее известных алгоритмов, возникшего из эвристических соображений одеятельносги человека при распознавании образов — алгоритма «Кора» 128, 431, В нем рассматриваются все возможные конъюнкции вида Тп П Т», () ". Л Т«, (1 ( 1«), (1.54) где Т вЂ” события, определенные в п.1.3.2 при введении правил разделения, а 1, — некоторое наперед заданное число (в алгоритме «Кора» 1« =- 3). Среди коныонкций выделяются те, которые характерны (верны на обучающей выборке чаще, чем некоторый порог 1 — е,) для одного из классов и не характерны для другого (верны реже, чем в доле случаев е, (в алгоритме «Кора» а, =- О)).

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6390
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее