Многомерный анализ данных методами прикладной статистики

Classification of Cases (Spreads!' Incorrect classifications are mark Case OUseived Classif. 1 р = д а а а 2 р= ,40000 . 1 низкий низкий высокий 2 высокий еысокий низкий 3 еысокии высокий низкии 4 еысокии еысокии низкий 5 низкий низкий высокий 6 низкий низкий высокий 7 низкий низкий высокий 0 низкий низкий высокий 9 низкий низкий еысокий 1Q высокий - высокий низкий Рис. 2.15. Классификация случаев В таблице классификации случаев некорректно отнесенные объекты помечаются звездочкой (*). Таким образом, задача полу­ чения корректных обучающих выборок состоит в том, чтобы ис­ ключить из обучающих выборок те объекты, которые по своим показателям не соответствуют большинству объектов, образую­ щих однородную группу. Нажмите кнопку Итог: Переменные в модели (рис. 2.16). !N=IQ Discriminant Function Analysis Summary (Spreadsheet! 1) Step 2, N ofvarB in modal: 2; Grouping: Var3 (2 grps) Wilks' Lambda; ,05091 apptox. F (2,7)=65,242 p< ,0000 Wilks' Lambda Partial 1 F-remove Lambda I (1,7) p-lBVal Toler. I 1-Toler 1 (R-Sqr.) m Var1 Q,156472 0,327485 14,37501' 0,006790 0,999993 0,000001 0,D7D465i 0,722557 2,68761 ^ 0,145126 0,999999 0,000001 Рис. 2.16. Variables in the model На основе полученных обучающих выборок можно прово­ дить повторную классификацию тех объектов, которые не попали в обучающие выборки, и любых других объектов, подлежащих группировке. Результат приведен в табл. 2.2. 58