tionsColumns: Predicted classificationsPercentG_1:1G_2:2G_3:3Correctp=,33333p=,33333p=,33333G_1:197,33337320G_2:295,65221220G_3:385,7143016Total96,190574256
Таблиця 3.9 - Таблиця класіфікацій
ObservedG_1:1G_2:2G_3:3ObservedG_1:1G_2:2G_3:3Classif.p=,33333p=,33333p=,33333Classif.p=,33333p=,33333p=,33333G_1:11,39717,180108,76146G_1:11,3104,37768,105G_1:10,42814,31098,04147G_1:10,91315,559104,899G_1:10,41114,05598,32948G_1:10,82116,135100,570G_1:13,18022,619122,59549G_1:10,62513,66595,174G_1:11,0086,67074,65050G_2:218,5501,82832,711G_1:10,70515,193102,86851G_1:11,10916,566107,147G_1:10,13310,55490,51352G_1:10,55314,50097,089G_2:225,9014,15829,12853G_1:11,0646,10472,349G_2:210,7521,78256,09454G_1:10,3128,24878,081G_1:10,11311,77791,17155G_1:10,3878,06879,520G_2:25,4981,61955,19856G_2:27,9170,94642,584G_1:11,55417,060108,77857G_1:10,8365,57876,878G_2:25,4700,82952,11058G_1:11,44612,07081,874G_1:10,61215,051101,55259G_1:12,5783,40663,585G_1:10,9887,45684,45160G_3:3122,80876,75717,306G_1:10,63411,65995,56461G_2:230,9747,40040,660G_1:12,30220,215116,89062G_2:213,7548,01639,859G_1:10,1857,41180,37963G_1:10,9899,85980,683G_2:29,5811,64357,74164G_1:10,54814,35597,062G_2:25,8190,72750,03165G_1:10,1117,97881,051G_2:22,1993,06568,02066G_2:217,1541,25937,699G_1:10,8015,00071,99767G_1:10,33313,42295,239G_1:10,9844,80972,17868G_3:361,24322,46610,082G_1:12,6004,71461,83969G_1:10,00710,13787,458G_1:10,7138,73076,18070G_1:11,03511,38094,742G_1:10,72413,703100,89871G_1:11,7405,37068,257G_1:14,7082,62053,43772G_1:10,08011,38191,380G_2:25,1841,64855,95273G_3:3162,57299,23420,578G_1:10,53612,25595,15474G_1:12,0276,28082,549G_1:11,16517,456107,47175G_1:10,58015,085100,574G_3:3135,07874,74330,54776G_1:11,46210,05682,877G_1:10,04711,02489,11577G_3:3159,710120,72948,285G_1:15,7246,34753,27378G_1:10,2537,63881,818G_1:10,60015,060100,93979G_1:10,46014,03598,612G_2:211,3563,79636,78080G_1:10,9569,84079,743G_2:25,1801,21158,60181G_2:27,1342,01347,845G_2:210,1990,64251,14482G_1:10,19411,66992,536G_3:316,10913,16415,94983G_1:10,91414,448102,255G_1:10,43810,74086,63884G_2:212,9204,80268,655G_2:213,8180,53939,73385G_1:11,8544,61574,027G_1:10,18611,54493,20186G_1:10,28413,18195,641G_1:11,54818,715109,73687G_1:10,6086,11178,596G_1:10,83713,801101,90888G_1:12,1866,51568,918G_1:12,82121,239119,83389G_2:221,9613,53532,217G_1:10,28011,89289,49290G_1:14,8654,40759,285
З класіфікаційної матріці (табл. 3.8) видно, что об'єкти були правильно віднесені до віділеніх груп (Відсоток правильної класіфікації складає около 100%).
Аналіз табліці класіфікації віпадків (табл. 3.9) дозволяє сделать Висновок про ті, Які Комерційні банки були віднесені неправильно до тієї або Іншої групи (некоректно віднесені банки позначаються зірочкою (*)). З табліці видно, что банки под номерами 21 и 27 були неправильно класіфіковані.
Для Підвищення якості діскрімінанатніх моделей з Вибірки вілучаються про єкти, Які знаходяться на границі кластерів. Для цього помощью метрики Махаланобіса (Squared Mahalanobis distances), квадрат відстаней Махалонобіса, визначавши відстань від всех n про «єктів до центру тяжіння кожної групи (вектор середніх), Які візначаються по повчальній вібірці. Віднесення i-ого об »єкту до j-ї групи вважається помилковості, ЯКЩО відстань Махаланобіса від об« єкту до центру его групи однозначно Вище, чем від нього до центру других груп, а апостеріорна вірогідніс...
