Многомерные данные

Cтраница 2

В процессе анализа или обработки удобно предположить, что анализируемые данные являются векторами многомерного, например, евклидова пространства, где они располагаются в соответствии с некоторой функцией распределения. В случае же, если многомерные данные не порождаются непосредственно пространственно-временной природой информации, то это также не мешает использовать такую модель для их представления. Примерами могут служить результаты измерений, полученные в ходе физических, биологических и других экспериментов, результаты медицинской диагностики, телеметрическая информация. При этом размерность пространства признаков ( координат) п может достигать десятков тысяч. [16]

Во многих случаях эффективное разбиение данных на два класса удается произвести при помощи линейной разделяющей функции. Однако отыскать подобную функцию для многомерных данных далеко не просто. Невозможно построить многомерный граф, наглядно изображающий точки. Более того, как правило, нецелесообразно вычислять все возможные решающие поверхности для того, чтобы выбрать одну из них, ведущую к нужному решению. Во многих случаях успех приносит эвристический подход. [17]

Положение пятнадцати крупнейших российских банков в 19Э6 г. в координатах Надежность - Доходность. ( По материалам журнала. [18]

Можно, например, воспользоваться сечениями имеющихся многомерных данных, иными словами - просто выбрать два наиболее важных с точки зрения экспертов параметра балансов и таким образом отобразить на двумерной карте положение всех фирм. [19]

Специализированные мультипроцессорные ЭВМ, базирующиеся на принципах распараллеливания конкретных алгоритмов, при их реализации на современной элементной базе позволяют достичь быстродействия 109 - 1010 арифметико-логических операций в секунду. Такие спецЭВМ предназначены в основном для обработки больших массивов многомерных данных, в том числе для обработки изображений в темпе вещательного телевидения. [20]

Дисплей кодированных хроматограмм продуктов пиролиза ( а и двухмерная проекция этих же данных на осях, соответствующих двум самым большим компонентам - A. J и Яа ( б. [21]

Вторжение таких экзотических методов обработки данных в химию обусловлено применением ЭВМ, так как многомерное представление сопровождается большим объемом вычислений, хотя и несложных. Часто уменьшение мерности пространства используют для обеспечения двухмерного отображения на ЭВМ многомерных данных. [22]

Единственный нейрон осуществляет предельное сжатие многомерной информации, выделяя лишь одну скалярную характеристику многомерных данных. Каким бы оптимальным ни было сжатие информации редко когда удается полностью охарактеризовать многомерные данные всего одним признаком. [23]

Здесь почти для каждого одномерного метода имеется соответствувдий многомерный вариант. Если допустить вольное высказывание о положении в этой области математической статистики, то состояние статистического анализа многомерных данных можно отметить так: статистика гауссовских наблюдений и разнообразные метода обработки, большей частью не имеют ясного вероятностного обоснования. [24]

Главная цель, которую ставили перед собой авторы предлагаемого вниманию читателя издания, - это систематическое и взаимосвязанное изложение всех трех аспектов ( математического, моделирующего и программного) проблемы статистического анализа исходной информации применительно к задачам, которые приходится решать исследователю на первом этапе обработки данных эксперимента или наблюдения. Этот этап назван в книге этапом первичной статистической обработки и включает в себя такие приемы и задачи, как: документирование исследования; организация ввода и хранения данных в ЭВМ; предварительная визуализация ( удобное наглядное представление) многомерных данных с целью формирования рабочих гипотез; работа с разнотипными признаками; работа с пропущенными и резко выделяющимися наблюдениями; описание и анализ эмпирических распределений; проверка гипотез независимости, однородности и стационарности обрабатываемых рядов наблюдений. [25]

Недавно возникший интерес к этой теме был стимулирован двумя разработками - неметрическим многомерным масштабированием и применением графических устройств ЭВМ. Неметрический подход, разработанный Шепардом ( 1962) и развитый Крускалом ( 1964а), хорошо подходит для многих задач психологии и социологии. Колверт ( 1968) использует модификацию критерия Ше-парда для обеспечения двумерного отображения на ЭВМ многомерных данных. Более простой для вычислений критерий Jef был предложен и использован Саммоном ( 1969) для отображения данных при диалоговом режиме анализа. [26]

Два типа сжатия информации. Понижение размерности ( а позволяет описывать данные меньшим числом компонент. Кластеризация или квантование ( Ь позволяет снизить разнообразие данных, уменьшая число бит, требуемых для описания данных. [27]

Возможно также объединение обоих типов кодирования. Например, очень богат приложениями метод топографических карт ( или самоорганизующихся карт Кохонена - по имени предложившего их финского ученого); когда сами прототипы упорядочены в пространстве низкой размерности. Например; входные данные можно отобразить на упорядоченную двумерную сеть прототипов так; что появляется возможность визуализации многомерных данных. [28]

Известны попытки введения и практического использования многомерных аналогов коэффициентов асимметрии и эксцесса. Однако использование моментов высоких ( более чем второго) порядков пока не зарекомендовало себя эффективным, и тем более необходимым, инструментарием, а потому не относится к широкой статистической практике обработки многомерных данных. [29]

Значимость статей балансов и отчетов о прибылях / убытках, определенная по степени их восстановления по 10 главных компонентам. [30]

Страницы: 1 2 3