Способ оценки прогностической силы бинарного показателя

  • С.В. Дронов Алтайский государственный университет (Барнаул, Россия)
  • А.П. Фоменко Алтайский государственный университет (Барнаул, Россия)
Ключевые слова: классификация данных, прогностическое правило, бинарный показатель, кластерная метрика

Аннотация

В работе рассматривается решение одной из разновидностей задач классификации данных. Допустим, все рассматриваемое множество объектов разбито каким-то образом на две группы (правильное разбиение). Наряду с этим у каждого из рассматриваемых объектом измерен некоторый бинарный показатель – у каждого из объектов он принимает значение 0 или 1. Требуется оценить, насколько уверенно знание этого показателя позволяет отнести объект к одной из групп правильного разбиения. Такого рода задача является разновидностью задачи дискриминантного анализа, где правило, относящее объект к одной из групп, называют прогностическим. Поэтому вводимая в работе числовая характеристика степени информативности показателя названа прогностической силой бинарного показателя. Она вводится путем оценки различий правильного разбиения множества и разбиения, построенного по изучаемому бинарному показателю. Величина различия определяется путем расчета кластерной метрики, ранее введенной в работе первого автора. Производится сравнение этой характеристики с традиционно используемыми в этом случае коэффициентами корреляции и коэффициентом относительного риска

DOI 10.14258/izvasu(2017)4-15

Скачивания

Данные скачивания пока не доступны.
DOI:https://doi.org/10.14258/izvasu(2017)4-15

Биографии авторов

С.В. Дронов, Алтайский государственный университет (Барнаул, Россия)
кандидат физико-математических наук, доцент кафедры математического анализа
А.П. Фоменко, Алтайский государственный университет (Барнаул, Россия)
студентка факультета математики и информационных технологий

Литература

Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. -М., 1989.

Mills P. Efficient statistical classification of satellite measurements // International Journal of Remote Sensing. - 2011. - № 32(21). DOI: 10.1080/01431161.2010.507795.

Haghighat M., Abdel-Mottaleb M. & Alhalab W. Discriminant Correlation Analysis: Real-Time Feature Level Fusion for Multimodal Biometric Recognition. // IEEE Transactions on Information Forensics and Security. - 2016. - V. 11, № 9. DOI: 10.1109/TIFS.2016.2569061.

Straus S., Glasziou P., Scott Richardson W., Brian Haynes R. Evidence Based Medicine. -Elsevier, Churchhill, Livingstone, 2010.

Sackett D.L Rosenberg W.M. Gray J.A. Haynes R.B. Richardson W.S. Evidence based medicine: what it is and what it isn’t. // BMJ. -1996. - № 312 (7023). D0I:10.1136/bmj.312.7023.71.

McLachlan G. Discriminant Analysis and Statistical Pattern Recognition. - Wiley, 2004.

Дронов С.В. Методы и задачи многомерной статистики. - Барнаул, 2015.

Dronov S.V., Dementjeva E.A. A new approach to post-hoc problem in cluster analysis // Model Assisted Statistics and Applications. - 2012. -Vol. 7, № 1. DOI: 10.3233/MAS-2011-02-01.

Crawford-Brown D.J. Theoretical and Mathematical Foundations of Human Health Risk Analysis: Biophysical Theory of Environmental Health Science. - Springer Science & Business Media, 2012.

Fleiss J., Levin B. Statistical Methods for Rates and Proportions. - Wiley, 2003.

Как цитировать
Дронов, С., & Фоменко, А. (1). Способ оценки прогностической силы бинарного показателя. Известия Алтайского государственного университета, (4(96). https://doi.org/10.14258/izvasu(2017)4-15