Частные критерии и виды моделей системы «Эйдос»
По сути, частные критерии представляют собой просто формулы для преобразования матрицы абсолютных частот в матрицы условных и безусловных процентных распределений и матрицы знаний (рисунок 2). Iij — частный критерий знаний: количество знаний в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра; INF6, частный… Читать ещё >
Частные критерии и виды моделей системы «Эйдос» (реферат, курсовая, диплом, контрольная)
Частные критерии знаний, используемые в настоящее время в АСК-анализе и системе «Эйдос-Х++», приведены в таблице 1.
Обозначения: i — значение прошлого параметра; j — значение будущего параметра; Nij — количество встреч j-го значения будущего параметра при i-м значении прошлого параметра; M — суммарное число значений всех прошлых параметров; W — суммарное число значений всех будущих параметров.
Ni — количество встреч i-м значения прошлого параметра по всей выборке;
Nj — количество встреч j-го значения будущего параметра по всей выборке;
N — количество встреч j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке.
Iij — частный критерий знаний: количество знаний в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра;
Ш — нормировочный коэффициент (Е.В.Луценко, 1979, впервые опубликовано в 1993 году [15]), преобразующий количество информации в формуле А. Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р. Хартли;
Pi — безусловная относительная частота встречи i-го значения прошлого параметра в обучающей выборке;
Pij — условная относительная частота встречи i-го значения прошлого параметра при j-м значении будущего параметра.
Таблица 1 — Частные критерии знаний, используемые в настоящее время в АСК-анализе и системе «Эйдос-Х++».
Наименование модели знаний и частный критерий. | Выражение для частного критерия. | ||
через относительные частоты. | через абсолютные частоты. | ||
INF1, частный критерий: количество знаний по А. Харкевичу, 1-й вариант расчета относительных частот: Nj — суммарное количество признаков по j-му классу. Относительная частота того, что если у объекта j-го класса обнаружен признак, то это i-й признак. | |||
INF2, частный критерий: количество знаний по А. Харкевичу, 2-й вариант расчета относительных частот: Nj — суммарное количество объектов по j-му классу. Относительная частота того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак. | |||
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами. | —; | ||
INF4, частный критерий: ROI — Return On Investment, 1-й вариант расчета относительных частот: Nj — суммарное количество признаков по j-му классу. | |||
INF5, частный критерий: ROI — Return On Investment, 2-й вариант расчета относительных частот: Nj — суммарное количество объектов по j-му классу. | |||
INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj — суммарное количество признаков по j-му классу. | |||
INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj — суммарное количество объектов по j-му классу. | |||
По сути, частные критерии представляют собой просто формулы для преобразования матрицы абсолютных частот в матрицы условных и безусловных процентных распределений и матрицы знаний (рисунок 2).