ISmDiscriminantAnalysis.RelevanceMeasure

RelevanceMeasure: IBinaryModelRelevanceMeasure;

RelevanceMeasure: Prognoz.Platform.Interop.Stat.IBinaryModelRelevanceMeasure;

Sub UserProc;
Var
    DA: SmDiscriminantAnalysis;
    y, x1, x2, x3, x4, x5, x6, x7, x8: Array[60] Of Double;
    Ex: ISlSeries;
    res, i, j: Integer;
    resM: Array Of Integer;
    str: String;
Begin
    DA := New SmDiscriminantAnalysis.Create;
    // Initial data: sixty objects with eight attributes
    For i := 0 To 59 Do
        x1[i] := Math.RandBetween(0, 100);
        x2[i] := Math.RandBetween(0, 100);
        x3[i] := Math.RandBetween(0, 100);
        x4[i] := Math.RandBetween(0, 100);
        x5[i] := Math.RandBetween(0, 100);
        x6[i] := Math.RandBetween(0, 100);
        x7[i] := Math.RandBetween(0, 100);
        x8[i] := Math.RandBetween(0, 100);
    End For;
    // Explained series values
    For i := 0 To 59 Do
        y[i] := Math.RandBetweenI(0, 1);
    End For;
    // Set explained variable
    DA.Dependent.Value := y;
    // Set explanatory variables
    Ex := DA.Explanatories;
    Ex.Add.Value := x1; Ex.Add.Value := x5;
    Ex.Add.Value := x2; Ex.Add.Value := x6;
    Ex.Add.Value := x3; Ex.Add.Value := x7;
    Ex.Add.Value := x4; Ex.Add.Value := x8;
    // Run calculation and output results
    res := DA.Execute;
    If res <> 0 Then
        Debug.WriteLine(DA.Errors);
    Else
        Debug.WriteLine(" == Summary results of classification == ");
        res := DA.ClassCount;
        Debug.WriteLine("Number of classes: " + res.ToString);
        resM := DA.ClassificationSummary;
        For i := 0 To res - 1 Do
            For j := 0 To res - 1 Do
                str := str + " " + (resM[i, j] As Integer).ToString;
            End For;
            str := str + " | " + (resM[i, res] As Integer).ToString;
            Debug.WriteLine(str);
            str := "";
        End For;
        str := "- - - - - - - - ";
        Debug.WriteLine(str);
        str := "";
        For j := 0 To DA.ClassCount - 1 Do
                str := str + " " + (resM[res, j] As Integer).ToString;
            End For;
        str := str + " | " + (resM[res, res] As Integer).ToString;
        Debug.WriteLine(str);
        // Display classification quality criteria      
        Debug.WriteLine(" == Classification quality criteria == ");
        Debug.WriteLine("Overall accuracy: " + DA.RelevanceMeasure.Accuracy.ToString);
        Debug.WriteLine("F - estimation: " + DA.RelevanceMeasure.F1.ToString);
        Debug.WriteLine("Accuracy of positive result: " + DA.RelevanceMeasure.Precision.ToString);
        Debug.WriteLine("Accuracy of positive result: " + DA.RelevanceMeasure.Recall.ToString);
    End If;
End Sub UserProc;

Imports Prognoz.Platform.Interop.MathFin;
Imports Prognoz.Platform.Interop.Stat;
…
Public Shared Sub Main(Params: StartParams);
Var
    DA: SmDiscriminantAnalysis;
    y, x1, x2, x3, x4, x5, x6, x7, x8: Array[60] Of double;
    Ex: ISlSeries;
    res, i, j: integer;
    resM: System.Array;
    str: string;
    m: Prognoz.Platform.Interop.MathFin.MathClass;
Begin
    DA := New SmDiscriminantAnalysis.Create();
    m := New Prognoz.Platform.Interop.MathFin.MathClass.Create();
    // Initial data: sixty objects with eight attributes
    For i := 0 To 59 Do
        x1[i] := m.RandBetween(0, 100);
        x2[i] := m.RandBetween(0, 100);
        x3[i] := m.RandBetween(0, 100);
        x4[i] := m.RandBetween(0, 100);
        x5[i] := m.RandBetween(0, 100);
        x6[i] := m.RandBetween(0, 100);
        x7[i] := m.RandBetween(0, 100);
        x8[i] := m.RandBetween(0, 100);
    End For;
    // Explained series values
    For i := 0 To 59 Do
        y[i] := m.RandBetweenI(0, 1);
    End For;
    // Set explained variable
    DA.Dependent.Value := y;
    // Set explanatory variables
    Ex := DA.Explanatories;
    Ex.Add().Value := x1; Ex.Add().Value := x5;
    Ex.Add().Value := x2; Ex.Add().Value := x6;
    Ex.Add().Value := x3; Ex.Add().Value := x7;
    Ex.Add().Value := x4; Ex.Add().Value := x8;
    // Run calculation and output results
    res := DA.Execute();
    If res <> 0 Then
        System.Diagnostics.Debug.WriteLine(DA.Errors);
    Else
        System.Diagnostics.Debug.WriteLine(" == Summary classification results == ");
        res := DA.ClassCount;
        System.Diagnostics.Debug.WriteLine("Number of classes: " + res.ToString());
        resM := DA.ClassificationSummary;
        For i := 0 To res - 1 Do
            For j := 0 To res - 1 Do
                str := str + " " + (resM[i, j] As Integer).ToString();
            End For;
            str := str + " | " + (resM[i, res] As Integer).ToString();
            System.Diagnostics.Debug.WriteLine(str);
            str := "";
        End For;
        str := "- - - - - - - - ";
        System.Diagnostics.Debug.WriteLine(str);
        str := "";
        For j := 0 To DA.ClassCount - 1 Do
                str := str + " " + (resM[res, j] As Integer).ToString();
            End For;
        str := str + " | " + (resM[res, res] As Integer).ToString();
        System.Diagnostics.Debug.WriteLine(str);
        // Display classification quality criteria      
        System.Diagnostics.Debug.WriteLine(" == Classification quality results == ");
        System.Diagnostics.Debug.WriteLine("Overall accuracy: " + DA.RelevanceMeasure.Accuracy.ToString());
        System.Diagnostics.Debug.WriteLine("F - estimate: " + DA.RelevanceMeasure.F1.ToString());
        System.Diagnostics.Debug.WriteLine("Accuracy of positive result: " + DA.RelevanceMeasure.Precision.ToString());
        System.Diagnostics.Debug.WriteLine("Completeness of positive result: " + DA.RelevanceMeasure.Recall.ToString());
    End If;
End Sub;