прогноз
178
822
1000
правильно
65
587
652
неправильно
235
113
348
% правильно
21,7%
83,9%
65,2%
% неправильно
78,3%
16,1%
34,8%
З таблиці можна бачити, що бачити, що метод дозволяє добре передбачати погані позички на рівні 83,9%, але погано передбачає хороші позички - 21,7%. Зазвичай до методик висувається вимога розпізнавати краще погані позички, тому що втрата неповернення кредиту більше втрати неотримання відсотків по кредиту.
2.3. Дискримінантний аналіз
Кластерний аналіз вирішує завдання класифікації об'єктів при практично відсутньої апріорної інформації про спостереження всередині класів; в дискримінантному аналізі передбачається наявність такої інформації. За допомогою дискримінантного аналізу на підставі деяких ознак (незалежних змінних) індивідуум може бути зарахований до однієї з двох (або до однієї з кількох) заданих заздалегідь групп. Ядром дискримінантного аналізу є побудова так званої дискриминантной функція [2]
D = b1 * x1 + b2 * x2 + ... + bn * xn + a
де х1 і х2 - значення змінних, відповідних розглядаються випадкам, константи x1 - xn і а - коефіцієнти, які і належить оцінити за допомогою дискримінантного аналізу. Метою є визначення таких коефіцієнтів, щоб за значенням дискримінантної функції можна було з максимальною чіткістю провести поділ по групах.
Дискримінантний аналіз є розділом багатовимірного статистичного аналізу, який дозволяє вивчати відмінності між двома і більше групами об'єктів по декількох змінним одночасно. Цілі ТАК - інтерпретація міжгрупових відмінностей - дискримінація і методи класифікації спостережень за групами.
При інтерпретації ми відповідаємо на запитання: чи можливо, використовуючи даний набір змінних, відрізнити одну групу від іншої, наскільки добре ці змінні допомагають провести дискримінацію, і які з них найбільш інформативні.
Методи класифікації пов'язані з отриманням однієї або декількох функцій, що забезпечують можливість віднесення даного об'єкта до однієї з груп. Ці функції називаються класифікуючими.
Реалізуємо метод дискримінантного аналізу в SPSS. Існує 2 алгоритму класифікації:
1. Одночасний облік всіх незалежних змінних. Результати представлені в таблиці 8
Таблиця 8. Classification Results (a)
В В
Y
Predicted Group Membership
Total
В В В
0
1
В
Original
Count
0
218
82
300
В В
1
188
512
700
В
%
0
72,7
27,3
100,0
В В
1
26,9
73,1
100,0
В
a 73,0% of original grouped cases correctly classified.
У таблиці 9 наведено коефіцієнти дискримінантної функції
Таблиця 9. Canonical Discriminant Function Coefficients
В
Function
В
1
Z1
, 503
Z2
-, 127
Z3
, 338
Z4
, 024
Z5
-, 150
Схожі реферати:
Реферат на тему: Аналіз можливості застосування методів багатовимірного аналізу для класифік ...Реферат на тему: Функції декількох змінних Реферат на тему: Функції декількох змінних Реферат на тему: Аналіз функції двох зміннихРеферат на тему: Мінімізація функції багатьох змінних. Наближені чисельні методи. Метод Мо ...
|
 Український реферат переглянуто разів: |  Коментарів до українського реферату: 0 |
|
|