Page 325 - 4511

Рисунок 10.89. Описові статистики для змінних,
введених в модель дискримінантного аналізу на кроці 3

Partial Wilks' Lambda вказує, що змінна w1 сприяє найбі-
льше, змінна w2 – менше,а змінна w3 сприяє менше всього по-
вній дискримінації. (Пам'ятаємо що, чим менший Wilks'
Lambda, тим більше вклад змінної в повну дискримінацію). Та-
ким чином, можна зробити висновок в цьому пункті, що змінна
w1- головна змінна, яка дозволяють розрізняти грубі помилки
між різними ланками мережі.

Класифікація. Тепер, повернемося до діалогу
Discriminant Function Analysis Results (клацніть кнопкою Cancel
на діалозі Canonical Analysis), щоб повернутися до проблеми
класифікації. Основна мета дискримінантного аналізу полягає
в тому, щоб класифікувати нові дані. Тепер розглянемо, як до-
бре поточні дискримінантні функції класифікують грубі поми-
лки.
Класифікаційні функції. Спочатку подивимося на класи-
фікаційні функції (не плутати з дискримінантними функціями).
Функції класифікації вичислені для кожної групи і можуть ви-
користовуватися безпосередньо, щоб класифікувати нові спо-
стереження. Нове спостереження класифікуються в певну
групу, для якої у цього є найвища оцінка класифікації.
Виберіть вкладку Classification tab в діалозі Discriminant
Function Analysis Results, щоб побачити ці функції.

324