ДВЕ ТОЧКИ ОТСЧЕТА: MDA И kNN

Имея трехмерные числовые показатели, мы воспользовались линейным множественным дискриминантным анализом. Мы выбрали одинаковые (33%) априорные вероятности того, что данное наблюдение принадлежит той или иной группе. Данные о неправильных классификациях приведены в табл. 8.8.

Слава Україні!

Адмін сайту, який є громадянином України та безвиїзно перебуває в Україні на протязі всього часу повномасштабної російської агресії, зичить щастя та мирного неба всім українським хлопцям та дівчатам! Також він рекомендує українським трейдерам кращих біржових та бінарних брокерів, що мають приємні торгові умови та не співпрацюють з російською федерацією. А саме:

Exness – для доступу до валютного ринку;

RoboForex – для роботи з CFD-контрактами на акції;

Deriv – для опціонної торгівлі.

Ну, і звичайно ж, заборонену в росії компанію Альпарі, через яку Ви маєте можливість долучитися як до валютного ринку, так і до торгівлі акціями та бінарними опціонами (Fix-Contracts). Крім того, Альпарі ще цікава своїми інвестиційними можливостями. Дивіться, наприклад:

рейтинг ПАММ-рахунків;

рейтинг ПАММ-портфелів.

Все буде Україна!

Оценивая результаты классификации по методу MDA, мы видим значительную долю ошибочных решений по компаниям-банкротам (группа 1) — одной из них кредит был бы предоставлен. Фирмы с неясным положением (группа 2) с трудом поддаются правильной классификации, потому что. в конечном итоге, они могут попасть в 1-ю или 3-ю группу. Дело нельзя улучшить, приводя априорные вероятности в соответствие с представлениями банка о вероятности принадлежности фирмы различным группам. Общий показатель правильности прогноза составил всего 56.6%, причем из 1-й группы правильно классифицированы были только 30%.

В отличие от метода MDA, который разделяет все множество на группы линейно, метод к ближайших соседей (1-NN) выделяет группы, линейно разделяя их попарно. Коль скоро мы допускаем, что наша задача в какой-то степени нелинейна, этот метод представляется подходящим. Результат аппроксимации выборочного распределения (с применением обычного евклидова расстояния) этим непараметрическим методом может быть лучше, чем в предыдущем случае. Однако приведенные в табл. 8.9 результаты классификации говорят об обратном.

Содержание

Далее

Возможно, более подходящими для данной задачи оказались бы NN-методы более высокого порядка (например, 3-NN).