Построение интегральных индикаторов по ранговым признакам (пример)
Материал из MachineLearning.
| Строка 5: | Строка 5: | ||
== Постановка задачи == | == Постановка задачи == | ||
Задано пространство объектов <tex>X</tex> - пространство объектов, <tex>{\{x_i\}}_{i=1}^{m}\subset X</tex> -выборка объектов. Каждый объект | Задано пространство объектов <tex>X</tex> - пространство объектов, <tex>{\{x_i\}}_{i=1}^{m}\subset X</tex> -выборка объектов. Каждый объект | ||
| - | <tex>x\in X</tex> характеризуется набором ранговых признаков <tex>{\{f_j\}}_{j=1}^{n}</tex>. | + | <tex>x\in X</tex> характеризуется набором ранговых признаков <tex>{\{f_j\}}_{j=1}^{n}</tex>. |
| + | |||
| + | Задано признаковое описание объектов в виде матрицы <tex>A</tex> размера <tex>m \times n</tex>. Задано начальное приближение вектора весов признаков | ||
| + | <tex>\mathbf w^0</tex> и правильный порядок объектов, определяемый матрицей | ||
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Integral_Indicators_Based_on_Rank_Features/doc Ссылка на текст отчёта] | * [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Integral_Indicators_Based_on_Rank_Features/doc Ссылка на текст отчёта] | ||
* [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Integral_Indicators_Based_on_Rank_Features/code Ссылка на код] | * [https://mlalgorithms.svn.sourceforge.net/svnroot/mlalgorithms/Integral_Indicators_Based_on_Rank_Features/code Ссылка на код] | ||
{{Задание|Александр Фирстенко|В.В.Стрижов|24 декабря 2010|First|Strijov}} | {{Задание|Александр Фирстенко|В.В.Стрижов|24 декабря 2010|First|Strijov}} | ||
[[Категория:Практика и вычислительные эксперименты]] | [[Категория:Практика и вычислительные эксперименты]] | ||
Версия 17:48, 7 декабря 2010
Аннотация
В данной работе описывается подход к построению интегрального индикатора для множества объектов, характеризуемых признаками, выраженными в ранговых шкалах. В качестве интегрального индикатора предлагается рассматривать бинарное отношение на множестве объектов, позволяющее сравнивать объекты между собой. Бинарное отношение строится на основании признакового описания объектов и информации о важности каждого признака, задаваемой экспертами. Подход продемонстрирован на на работе алгоритма уточнения экспертной информации. Ключевые слова: интегральный индикатор, экспертное оценивание, ранговые шкалы, бинарные отношения.
Постановка задачи
Задано пространство объектов - пространство объектов,
-выборка объектов. Каждый объект
характеризуется набором ранговых признаков
.
Задано признаковое описание объектов в виде матрицы размера
. Задано начальное приближение вектора весов признаков
и правильный порядок объектов, определяемый матрицей
| Данная статья является непроверенным учебным заданием.
До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе. |
