ISmDiscriminantAnalysis.RelevanceMeasure

Синтаксис

RelevanceMeasure: IBinaryModelRelevanceMeasure;

Описание

Свойство RelevanceMeasure возвращает критерии качества бинарной классификации.

Комментарии

Критерии качества классификации рассчитываются, если объясняемый ряд является бинарным.

Пример

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[
60Of 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(
0100);
        x2[i] := Math.RandBetween(
0100);
        x3[i] := Math.RandBetween(
0100);
        x4[i] := Math.RandBetween(
0100);
        x5[i] := Math.RandBetween(
0100);
        x6[i] := Math.RandBetween(
0100);
        x7[i] := Math.RandBetween(
0100);
        x8[i] := Math.RandBetween(
0100);
    
End For;
    
// Значения объясняемого ряда
    For i := 0 To 59 Do
        y[i] := Math.RandBetweenI(
01);
    
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:

ISmDiscriminantAnalysis