Обобщение комбинированного метода «Факторный анализ + таксономия»

Abstract

Рассматривается обобщенный метод анализа данных наблюдений, необходимый для обнаружения закономерностей, оценки важности признаков объектов и нахождения скрытых факторов. Предлагаемый метод основан на использовании дискриминантного анализа, таксономии и оценки информативности подсистем признаков. Анализ данных предполагает не только поиск глубинных факторов, но и обнаружение скрытых закономерностей. Предложена модель задачи обнаружения закономерностей, заключающаяся в ее сведении к дискриминантному анализу – задаче разделения множеств. При этом оказалось достаточным рассмотрение случая разбиения на два класса. При отсутствии аналитического описания этого разбиения работать с объектами можно только по их взаимодействию с приборами и экспертизами. Тогда восстановление классов производится по соответствующим прецедентным множествам. Конкретные приложения полученных результатов – задачи поиска закономерностей в неформализованных задачах математической экономики, математической биологии и медицины. В статье показано, что теория алгоритмов позволяет анализировать не только неформализованные задачи, но и в принципе неформализуемые. The article discusses the generalized method of analysis of observational data needed to detect regularities assess the importance of attributes of the objects and finding the hidden factors. The proposed method is based on the use of discriminated analysis, taxonomy and evaluation of the information subsystems signs. Analysis of the data suggests not only the search for the underlying factors, but also the discovery of hidden patterns. A model of the problem of detection of regularities is suggested, that is its reduction to the discriminanted analysis – the problem of separating sets. In this case, it was sufficient to consider the case of the partition into two classes. In the absence of an analytical description of this partition, work with objects, you can only interact with their devices and examinations. Then the classes recovery makes by the relevant case sets. Specific applications of the results are the search problem patterns in non-formalized problems of mathematical economics, mathematical biology and medicine. The article shows that the theory of algorithms allows us to analyze not only formalized tasks, but also, in principle, non-formalizable.