mts在分類問題之應(yīng)用指導(dǎo)教授：童超塵教授報(bào)告學(xué)生：莊-預(yù)覽頁
【正文】 ood Good Not Good Good MTS Approach Screen important variables Use normal observations to reconstruct a Reduced Model MTS Measurement Scale Validate the measurement scale Use the Reduced Model MTS Measurement Scale for Future diagnosis and prediction ILLUSTRATION說明 ? 在這研究中，使用了二種不同的資料，一個(gè)為 Iris data植物資料 ，另一個(gè)是credit card data信用卡資料 。圖 3 ? 第五步：審查重要變數(shù)。包括了十五個(gè)變數(shù) (sex性別、 age年齡、 marriage status結(jié)婚狀況、 education教育程度、 background difference學(xué)經(jīng)歷、 position職務(wù)、 occupation職業(yè)、 credit limit信用卡額度、 residential area居住區(qū)域、 salary薪資、 house owner or not是否 擁有房子、 card 信用卡銀行、 card type信用卡種 類、 cash balance現(xiàn)金餘額、 hi balance最高欠款金 額。圖 8 ? 第六步：確認(rèn)重要變數(shù)。 ? LDA的目的是去了解哪一個(gè)變數(shù)能分類出不同群組，而且能區(qū)分這些群組。表格九展示出 Reduced Model MTS的分析結(jié)果。表格十一展示出 FULL MODEL MTS的分析結(jié)果，全部分類正確比率為 %。關(guān)於變數(shù)的減少，透過逐步鑑別分析，保留了四個(gè)變數(shù)，分類正確比率為 %。但MTS只需要十三個(gè)變數(shù)。結(jié)果顯示， MTS比 Discriminant analysis或 stepwise discriminant analysis有較佳的預(yù)測正確率，無論是 full mode 還是 reduced model。 MTS的優(yōu)勢 ? MTS能處理複雜的多變量問題。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1