Классификация многомерных наблюдений

В результате изучения материала главы 6 обучающийся должен:

знать

• • основные понятия и определения кластерного анализа;
• • основные виды расстояний между объектами, их особенности и возможности применения;
• • основные виды расстояний между кластерами, их особенности и возможности применения;
• • метод k-средних, его алгоритм, возможности применения;
• • функционалы качества разбиения, их вычисление и использование;
• • основные понятия и определения дискриминантного анализа;
• • основные типы задач и алгоритмы дискриминантного анализа;
• • алгоритм, возможности и особенности использования смесей распределений для классификации объектов;

уметь

• • выбирать метод классификации в зависимости от цели исследования и характера статистических данных;
• • выделять однородные группы объектов с использованием иерархических и итерационных кластер-процедур;
• • проводить сравнительный анализ результатов классификации с использованием функционалов качества разбиения;
• • проводить дискриминантный анализ;
• • проводить типологический регрессионный анализ;
• • использовать смеси распределений для классификации объектов;

владеть

• • навыками оперирования основными понятиями и определениями классификации многомерных наблюдений;
• • навыками выделения однородных групп объектов с использованием иерархических и итерационных кластер-процедур;
• • основными приемами и методами кластерного и дискриминантного анализа в зависимости от характера используемой информации;
• • статистическими пакетами для выделения статистически однородных групп объектов.