Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
Глава 12. СРЕДСТВА ПРЕДСТАВЛЕНИЯ И ИНТЕРПРЕТАЦИИ РЕЗУЛЬТАТОВ АВТОМАТИЧЕСКОЙ КЛАССИФИКАЦИИ12.1. Некоторые средства оценки результатов кластер-анализа12.1.1. Оценка качества классификации с помощью критериев классификации.Предположим, что, используя некоторую процедуру кластер-анализа (классификации), получили разбиение объектов из нескольких групп. Один из важных вопросов, который возникает у исследователя: насколько удачно полученное разбиение. Основным критерием качества и обоснованности полученного разбиения является содержательный анализ результатов, основанный на осмыслении исследователем возможных причинных механизмов осуществления и обособления полученных групп объектов. Чисто статистические критерии оказывают лишь помощь в этом процессе. С одной стороны, они позволяют отбраковывать плохие группировки, но, с другой стороны, группировка, удачная по этим критериям, может и не иметь содержательной ценности. Известны десятки критериальных величин, используемых в кластер-анализе (см. гл. 5, 7, 10, 11). В работе [2731 тридцать из них подвергнуто изучению методом статистического моделирования. В результате эти критерии были упорядочены по степени согласованности их величины с удачностью применения кластерного анализа (использовалось 15 различных процедур) к массивам данных, кластерная структура которых была заранее известна. Две величины, которые рассматриваются дальше, входили в шестерку лучших. Следует отметить, однако, что при проведении моделирования использовалась только евклидова метрика. В частности, возможно, поэтому инвариантные критерии не «проявили» себя в должной мере и не попали в шестерку лучших. Пусть совокупность объектов разбита на k групп Рассмотрим здесь следующие две величины, полезные для оценки качества разбиения: величина объясненной доли общего разброса Т и точечно-бисериальный коэффициент корреляции Чтобы определить величину общее рассеивание межклассовый разброс внутриклассовый разброс где Если используется евклидово или взвешенное евклидово расстояние, то имеет место известное равенство
Рассмотрим величину
Чем больше величина Т, тем большая доля общего разброса точек «объясняется» межклассовым разбросом и можно считать, с определенным основанием, тем лучше качество разделения. Очевидно, Точечно-бисериальный коэффициент корреляции Каждой паре объектов
если Коэффициент
где
12.1.2. Оценка компактности выделенных групп.Другие полезные для оценки качества разбиения характеристики можно ввести с помощью следующих определений [110]. Кластером называется группа объектов Еще более полезным является понятие «сгущение». Группа объектов G; называется сгущением, если максимальный квадрат расстояния объектов из G, до центра группы меньше В [110] эти понятия введены в случае, когда используются не расстояния между объектами, а некоторые меры близости между ними. Агломеративные иерархические процедуры классификации устроены так, что группировки, получаемые при разрезании дерева на любом уровне, будут кластерами в смысле, определенном выше. Для других процедур, например типа 12.1.3. Визуальные средства оценки степени разиесеиности и компактирсти выделенных групп объектов. Полезным средством, позволяющим быстро оценить успешность разделения, компактность классов, наличие в них выбросов и т. д., являются одно-, двумерные отображения множества точек, с указанием их групповой принадлежности, в виде гистограмм и диаграмм рассеивания на некоторые подходящим образом выбранные направления. В качестве таких отображений обычно используют отображения на оси главных компонент и факторные оси (количественные признаки, см. гл. 13): нелинейное отображение (количественные переменные, см. гл. 13); метрическое и неметрическое шкалирование (обрабатывается матрица расстояний или удаленностей, см. гл. 16); оси, получаемые в анализе соответствий (неколичественные переменные и переменные смешанной природы, см. § 17.2). В случае количественных, а также оцифрованных (§ 17.3) переменных эффективным будет отображение на канонические дискриминантные направления (подробнее о них см. гл. 19), которые определяются как собственные векторы обобщенной задачи на собственные числа и векторы вида Для получения проекций используются векторы, соответствующие наибольшим собственным значениям. Заметим, что имеется не более чем Но тогда можно использовать и больше канонических векторов и исследовать отображения, например, на 1-е и 3-е или 2-е и 3-е направления и т. д. Отображение, определяемое парой канонических направлений, на котором любой указанный класс будет отделен от других, должно существовать Из сказанного, в частности, можно сделать следующий вывод. (см. скан) Рис. 12.1. Отображение результатов классификации на плоскость двух первых канонических направлений а) Если на плоскости, определяемой первыми двумя каноническими направлениями, разделены все группы и Отображения можно использовать для нескольких целей. Во-первых, для получения перечисленной в начале параграфа информации. Во-вторых, для получения информации о структуре, которую образуют сами кластеры, например, об их возможной пространственной упорядоченности, имеющей в то же время содержательный смысл, как это видно из примера 12.1 (рис. 12.1). Такую информацию трудно получить другими способами. В-третьих, для интерпретации. Поскольку в большинстве случаев (за исключением нелинейного отображения и шкалирования) отображения определяются векторами, коэффициенты этих векторов можно использовать для интерпретации таким же способом, как и нагрузки в факторном анализе. Пример 12.1. Применим процедуру классификации (разделения смесей) к реальным данным Приведем в сокращенном виде реаультаты работы программы при разбиении на три класса 1-Й КЛАСС (ГРУППА) НОМЕРА ОБЪЕКТОВ КОЛИЧЕСТВО ОБЪЕКТОВ В КЛАССЕ 2-Й КЛАСС (ГРУППА) НОМЕРА ОБЪЕКТОВ КОЛИЧЕСТВО ОБЪЕКТОВ В КЛАССЕ 3-Й КЛАСС (ГРУППА) НОМЕРА ОБЪЕКТОВ КОЛИЧЕСТВО ОБЪЕКТОВ В КЛАССЕ СУММА РАССТОЯНИЙ ДО ОБЩЕГО ЦЕНТРА СРЕДНЕЕ РАССТОЯНИЕ ДО ОБЩЕГО ЦЕНТРА ДОЛЯ РАЗБРОСА, ОБЪЯСНЕННАЯ КЛАССИФИКАЦИЕЙ, БИСЕРИАЛЬНЫЙ КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ Часть результатов, полезных для анализа удачности разбиения, суммируется в табл. 12.1. Таблица 12.1
В третьем столбце приведены номера эталонных объектов, наиболее близких к центрам групп, в пятом — номера объектов, на которых достигаются максимальные расстояния. Согласно определению, приведенному в п. 12.1.2, все три выделенные группы являются кластерами, а первая будет также сгущением Значения критериев Т и В также достаточно велики. Однако визуальный анализ рис. 12.1 а (проекции на канонические направления) показывает, что разделение групп 1 и 2 (символы А и В соответственно) нельзя признать выраженным. Скорее можно считать, что существует непрерывный переход от группы А к группе В. На рисунке хорошо выделен один объект из 2-й группы (обведен кружком), на котором реализуется максимальное расстояние. Группа 3 (символ С) хорошо отделена от первых двух групп. Применим тот же алгоритм к тем же данным, но положим k=4, т. е. проводим разделение на 4 группы. Результаты классификации теперь будут такими: Таблица 12.2
Снова все выделенные группы
|
1 |
Оглавление
|