RelevanceMeasure: IBinaryModelRelevanceMeasure;
Свойство RelevanceMeasure возвращает критерии качества бинарной классификации.
Критерии качества классификации рассчитываются, если объясняемый ряд является бинарным.
Для выполнения примера добавьте ссылки на системные сборки: MathFin, Stat.
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;
// Исходные данные: шестьдесят объектов с восьмью признаками
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;
// Значения объясняемого ряда
For i := 0 To 59 Do
y[i] := Math.RandBetweenI(0, 1);
End For;
// Задаем объясняемую переменную
DA.Dependent.Value := y;
// Задаем объясняющие переменные
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;
// Выполняем расчёт и выводим результаты
res := DA.Execute;
If res <> 0 Then
Debug.WriteLine(DA.Errors);
Else
Debug.WriteLine(" == Сводные результаты классификации == ");
res := DA.ClassCount;
Debug.WriteLine("Количество классов: " + 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);
// Выводим критерии качества классификации
Debug.WriteLine(" == Критерии качества классификации == ");
Debug.WriteLine("Общая точность: " + DA.RelevanceMeasure.Accuracy.ToString);
Debug.WriteLine("Ф - оценка: " + DA.RelevanceMeasure.F1.ToString);
Debug.WriteLine("Точность положительного результата: " + DA.RelevanceMeasure.Precision.ToString);
Debug.WriteLine("Полнота положительного результата: " + DA.RelevanceMeasure.Recall.ToString);
End If;
End Sub UserProc;
В результате выполнения примера в окно консоли будут выведены результаты классификации и критерии её качества.
См. также: