Способ разделения плоскостей
Данный метод основан на формировании разделительных плоскостей (гипер-плоскостей) между различными классами, (например, кластерами). С помощью таких плоскостей конструируются пространственные сегменты, соответствующие исследуемым признакам.
Разделительные плоскости могут вычисляться различными методами:
- путем расположения по вертикали на участке соединения средних кластерных векторов плоскости, разделяющей указанный участок пополам («плоскость средней точки»);
- путем регрессии («регрессивные плоскости»).
С помощью системы разделительных плоскостей можно установить, какие признаки (симптомы) и сочетания признаков важны для разделения определенных классов.
Разделительную плоскость можно рассматривать как комплексный признак, включающий первоначальные признаки с определенной степенью значимости. Для выявления информативных комбинаций признаков необходимо определить признаки с наибольшим весом (с большими компонентами), различающиеся в самых значимых плоскостях. Плоскости считаются тем более значимыми, чем больше признаков они разделяют — например, разделительная плоскость между двумя большими кластерами.
Метод разделительных плоскостей более предпочтителен, чем анализ дискриминантных функций. Опыт показывает, что с помощью разделительных плоскостей можно обнаружить делимые множества линейных объектов, которые не могут быть выявлены путем анализа дискриминантных функций. Исследование дискриминантных функций не позволяет, кроме того, разделять сегменты в пространстве, что имеет ряд преимуществ при интерпретации результатов.
Ранжирование признаков по степени их разделения
С целью ранжирования признаков (симптомов) по степени их разделения в системе определенного сочетания (признаков) могут быть применены 2 метода: метод расщепления и метод сочетания.
На основе средних векторов отдельных классов, среднего вектора всех классов и общей ковариантной матрицы вычисляется критерий степени разделимости (Т).
Методом расщепления в соответствии с вычисленным критерием степени разделимости всех сочетаний признаков (Т) вычленяется признак n-1, хуже всего поддающийся разделению; при его исключении величина Т уменьшается в наименьшей степени. Из оставшихся признаков таким же образом выделяется следующий хуже всего поддающийся разделению признак.
Метод сочетания основан на определении степени разделимости отдельных признаков. Отбирается признак с наибольшей степенью разделимости. Далее, из n-1 признаков выделяется признак, в наибольшей мере соответствующий по степени разделимости первому. Выявленные таким образом два признака являются основой для выбора из трех признаков, характеризующихся наибольшей степенью разделимости. По этому принципу проводятся дальнейшие расчеты.
Расщепления и сочетания могут комбинироваться. С помощью такого анализа представляется возможным получить подробные данные относительно ранжирования отдельных признаков в системе их сочетаний с учетом особенностей исследуемых симптомов.
«Фармако-терапевтические основы реабилитации психически больных»,
под ред. Р.Я.Вовина
- Значение разработанных методов для фармакотерапии и реабилитации психически больных
- π-Метод (оценка ошибок)
- Вычислительный классификатор
- Основной принцип методики вычислительного классификатора
- Методы вычислительного анализа терапевтического процесса
- Классификация результатов психопатологического обследования
- Кластерный анализ
- Работы по факторному анализу
- Исходные положения исследования
- СПСИ-А
- СПСИ-В
- Постановка проблемы
- Методические концепции постановки диагноза в психиатрии
- Многомерная классификационная система
- Диагностические категории МКБ
- Обсуждение методов