/p>
...
...
...
...
...
Підмножина M q ( k = q )
1
В В
...
В
2
В В
...
В
...
...
...
...
...
n q
В В
...
В
Підмножина M 0 , підмет дискримінації
1
В В
...
В
2
В В
...
В
...
...
...
...
...
m
В В
...
В
В
де X (k) - матриці з навчальними ознаками ( k = 1, 2, ..., q ),
X (0) матриця нових m -об'єктів, що підлягають дискримінації (розміром m Г— p ), p> р - Кількість властивостей, якими характеризується кожен i -й об'єкт. p> Тут повинна виконуватися умова: загальна кількість об'єктів N безлічі М має дорівнювати сумі кількості об'єктів m (в підмножині M 0 ), що підлягають дискримінації, і загального кількості об'єктів в навчаючих підмножинах:, де q - кількість навчальних підмножин ( q ≥ 2). У реальній практиці найбільш часто реалізується випадок q = 2, тому і алгоритм дискримінантного аналізу наведено для даного варіанту. p> 2. Визначаються елементи векторів середніх значень по кожному j -му ознакою для i об'єктів усередині k -го підмножини ( k = 1, 2):
В
Результати розрахунку представляються у вигляді векторів стовпців:
В
3. Для кожного навчального підмножини розраховуються коваріаційні матриці S (k) (розміром p Г— p ):
В
4. Розраховується об'єднана коваріаційна матриця за формулою:
В
5. Розраховується матриця зворотна до об'єднаної ковариационной матриці:
В
де | | - визначник матриці, (Причому), - приєднана матриця, елементи якої є алгебраїчними доповненнями елементів матриці . p> 6. Розраховується вектор-стовпець дискримінантних множників з урахуванням всіх елементів навчаючих підмножин за формулою:
Дана розрахункова формула отримана за допомогою методу найменших квадратів з умови забезпечення найбільшого відмінності між дискримінантному функціями. Найкраще розділення двох навчальних підмножин забезпечується поєднанням мінімальної внутрішньогрупов...
