Синтез и верификация статистических и интеллектуальных моделей

В данном режиме имеется много различных методов верификации моделей, в том числе и поддерживающие бутстрепный метод.

В результате выполнения режима 3.5 созданы все модели, со всеми частными критериями, перечисленные на рисунке 11, но ниже мы приведем лишь некоторые из них (таблицы 5, 6, 7). Но предварительно рассмотрим частные и интегральные критерии, применяемые в настоящее время в системе «Эйдос».

Частные критерии и виды моделей системы «Эйдос»

Рассмотрим решение задачи идентификации на примере модели INF1, в которой рассчитано количество информации по А. Харкевичу, которое мы получаем о принадлежности идентифицируемого объекта к каждому из классов, если знаем, что у этого объекта есть некоторый признак. Это так называемые частные критерии сходства, приведенные в таблице 4.

Таблица 4 — Частные критерии знаний, используемые в настоящее время в АСК-анализе и системе «Эйдос-Х++».

Наименование модели знаний и частный критерий.	Выражение для частного критерия.
	через относительные частоты.	через абсолютные частоты.
INF1, частный критерий: количество знаний по А. Харкевичу, 1-й вариант расчета относительных частот: Nj — суммарное количество признаков по j-му классу. Относительная частота того, что если у объекта j-го класса обнаружен признак, то это i-й признак.
INF2, частный критерий: количество знаний по А. Харкевичу, 2-й вариант расчета относительных частот: Nj — суммарное количество объектов по j-му классу. Относительная частота того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак.
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами.	—;
INF4, частный критерий: ROI — Return On Investment, 1-й вариант расчета относительных частот: Nj — суммарное количество признаков по j-му классу.
INF5, частный критерий: ROI — Return On Investment, 2-й вариант расчета относительных частот: Nj — суммарное количество объектов по j-му классу.
INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj — суммарное количество признаков по j-му классу.
INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj — суммарное количество объектов по j-му классу.

Обозначения:

i — значение прошлого параметра;

j — значение будущего параметра;

Nij — количество встреч j-го значения будущего параметра при i-м значении прошлого параметра;

M — суммарное число значений всех прошлых параметров;

W — суммарное число значений всех будущих параметров.

Ni — количество встреч i-м значения прошлого параметра по всей выборке;

Nj — количество встреч j-го значения будущего параметра по всей выборке;

N — количество встреч j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке.

Iij — частный критерий знаний: количество знаний в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра;

Ш — нормировочный коэффициент (Е.В.Луценко, 1979, впервые опубликовано в 1993 году [15]), преобразующий количество информации в формуле А. Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р. Хартли;

Pi — безусловная относительная частота встречи i-го значения прошлого параметра в обучающей выборке;

Pij — условная относительная частота встречи i-го значения прошлого параметра при j-м значении будущего параметра.

По сути, частные критерии представляют собой просто формулы для преобразования матрицы абсолютных частот (таблица 5) в матрицы условных и безусловных процентных распределений и матрицы знаний (таблицы 6 и 7) (проф. В.И.Лойко).