Матрица - данные
Cтраница 3
Желательно, чтобы небольшое число q ( для целей визуализации q может быть равно либо 1, либо 2, либо 3) новых признаков сохраняло наиболее существенные черты структуры изучаемой матрицы данных, например наличие сгустков ( кластеров) объектов, цепочек, объектов, далеко отстоящих от основной совокупности, и других образований. [31]
При решении решении реальных аналитических задач это будет означать, что эффективность предложенного метода определяется следующими экспериментальными факторами: глубиной варьирования состава смесей, степенью различия маоо-опектров компонент и величиной экспериментальных ошибок, содержащихся в матрице данных. [32]
В общей постановке задача описания эмпирической зависимости с помощью параметрической регрессии предполагает, что задается функция, определенная с точностью до нескольких параметров, которые подбирают таким образом, чтобы получающаяся функция с максимальной точностью соответствовала матрице данных (1.1) Функция г при этом называется эмпирической регрессией. [33]
Если вращается система координат и используется левосторонняя координатная система, то замену в на - в надо производить дважды, а уравнение ( 2 - 59) снова оказывается справедливым при допущении, что применяется последующее умножение на строку матрицы данных. [34]
Прямоугольный массив переменных, который может быть числовым, классификационным или алфавитно-цифровым. Матрица данных - это исходная структура, над которой выполняются статистические процедуры регрессионного ( R. [35]
Имеется матрица данных, строки которой представляют собой объекты ( хозяйства), а столбцы - величины экологических и экономических показателей. Требуется по всей совокупности наблюдений выявить четко выраженные и однородные в некотором смысле группы, лежащие друг от друга на некотором расстоянии, но не разбивающиеся на столь же удаленные друг от друга части. [36]
Таким образом, матрица данных ( X, Y) представляет собой выборку объема п из ( р 1) - мерного нормального распределения. [37]
Мультиколлинеарность в основном появляется в задачах пассивного эксперимента, когда исследователь, собирая данные, не может влиять на значения объясняющих переменных. В активном эксперименте матрица данных X планируется ( см. [ 1361), причем таким образом, что либо матрица S хорошо обусловлена, либо априори точно известны линейные зависимости, имеющие место между строками ( столбцами матрицы X), и, следовательно, ее ранг. [38]
На рис. изображен каждый второй спектр в матрице данных 512x512 точек. На рис. приведены абсолютные значения спектра, хотя обычно сигнал состоит из положительной и отрицательной частей. [39]
На рис. изображен каждый второй спектр в матрице данных 512x512 точек. На рис. приведены абсолютные значения спектра, хотя обычно сигнал состоит из положительной и отрицательной частей. [40]
Этот результат можно обобщить: - мерное подмножество, подобранное для представления исходных данных в соответствии с критерием максимизации информации, определяется q собственными векторами, связанными с q наибольшими собственными значениями. При этом выделяется вся информация, содержащаяся в матрице данных. [41]
Потенциальный пользователь кластерного анализа должен также обратить внимание на то, что матрицы данных часто формируются различными способами. В биологии имеет место обратный порядок, что приводит к матрице данных размерностью PXN. [42]
Необычные частотные координаты сигналов в двухквантовых спектрах могут быть большим препятствием для исследователей, которые привыкли к одноквантовым корреляционным спектрам. Можно превратить двухквантовые спектры в спектры, похожие на COSY, путем преобразования матрицы данных S ( coi, 012) - S ( ш, 012) с помощью со / coi - со2 ( разд. В любом случае в результате получается двух-квантовый спектр, как схематически показано на рис. 8.4.9 для трех-спиновой системы АМХ. [44]
Пакеты СОД-ГС, СОРРА-1 вообще не имеют средств обработки пропущенных данных. С другой стороны, для пакета ОТЭКС заполнение пропусков на основе алгоритма ZET в матрице данных является одной из основных задач. [45]
Страницы: 1 2 3 4