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.
 
< Пред   СОДЕРЖАНИЕ     След >