Количественный анализ биологических данных. Малков П.Ю. - 52 стр.

UptoLike

Составители: 

51
сти и потому отклоняются от основного вектора (класс 4). Ещё бо-
лее специфично население низкогорных поселков (класс 5). Оно
состоит почти исключительно из боярышницы Aporia crataegi L.,
прилетевшей сюда в поисках дополнительного минерального пи-
тания.
5.6. Ординация
Наряду с классификационными методами для анализа много-
мерных систем зачастую применяется ординация. Первые иссле-
дования с её применением осуществлены русским геоботаником Л.
Г. Раменским ещё в первой трети XX века [Шварц, Шефтель,
1990]. Подавляющее же большинство ординационных методов
предложены во второй половине прошлого века.
Подробное рассмотрение методов ординации (как впрочем, и
современных методов классификации) совершенно не возможно
без знания основ линейной алгебры. Существует ряд доступных
учебников по этому направлению [Баврин, 2002 и др.].
Остановимся лишь вкратце на одном из наиболее известных
методов: анализе главных компонент. Последний не изменяет в
ходе обработки расстояния между объектами и соответственно не
искажает содержательный смысл получаемых результатов [Ефи-
мов, 2003]. Модули расчёта главных компонент имеются в стати-
стических программах (STATISTICA, SPSS, NTSYSpc, Jacobi и др.).
Компонентный анализ направлен на решение следующих за-
дач:
снижение размерности признакового пространства путём пе-
рехода к новым признакам - главным компонентам;
выявление и изучение статистической связи признаков с глав-
ными компонентами;
группировка объектов в многомерном пространстве.
Главных компонент столько же, сколько признаков в первичной
s × m матрице. Первая главная компонента обладает максималь-
ной дисперсией из всех, которые могут быть получены линейным
преобразованием данных, вторая - максимальной дисперсией из
ортогональных к первой компоненте и т. д. Обычно первые 2-5
главных компонент с достаточной полнотой (70-90 %) исчерпыва-
ют всю дисперсию исходной матрицы. Последующий анализ сво-
дится к их предметному объяснению, что достигается путём
изучения вкладов первоначальных признаков. Заметим, однако,
что главные компоненты не всегда могут быть содержательно ин-
терпретированы.
сти и потому отклоняются от основного вектора (класс 4). Ещё бо-
лее специфично население низкогорных поселков (класс 5). Оно
состоит почти исключительно из боярышницы Aporia crataegi L.,
прилетевшей сюда в поисках дополнительного минерального пи-
тания.

5.6. Ординация
   Наряду с классификационными методами для анализа много-
мерных систем зачастую применяется ординация. Первые иссле-
дования с её применением осуществлены русским геоботаником Л.
Г. Раменским ещё в первой трети XX века [Шварц, Шефтель,
1990]. Подавляющее же большинство ординационных методов
предложены во второй половине прошлого века.
   Подробное рассмотрение методов ординации (как впрочем, и
современных методов классификации) совершенно не возможно
без знания основ линейной алгебры. Существует ряд доступных
учебников по этому направлению [Баврин, 2002 и др.].
   Остановимся лишь вкратце на одном из наиболее известных
методов: анализе главных компонент. Последний не изменяет в
ходе обработки расстояния между объектами и соответственно не
искажает содержательный смысл получаемых результатов [Ефи-
мов, 2003]. Модули расчёта главных компонент имеются в стати-
стических программах (STATISTICA, SPSS, NTSYSpc, Jacobi и др.).
   Компонентный анализ направлен на решение следующих за-
дач:
•   снижение размерности признакового пространства путём пе-
рехода к новым признакам - главным компонентам;
•   выявление и изучение статистической связи признаков с глав-
ными компонентами;
•   группировка объектов в многомерном пространстве.
   Главных компонент столько же, сколько признаков в первичной
s × m матрице. Первая главная компонента обладает максималь-
ной дисперсией из всех, которые могут быть получены линейным
преобразованием данных, вторая - максимальной дисперсией из
ортогональных к первой компоненте и т. д. Обычно первые 2-5
главных компонент с достаточной полнотой (70-90 %) исчерпыва-
ют всю дисперсию исходной матрицы. Последующий анализ сво-
дится к их предметному объяснению, что достигается путём
изучения вкладов первоначальных признаков. Заметим, однако,
что главные компоненты не всегда могут быть содержательно ин-
терпретированы.




                              51