Kontext:
Bei der Durchführung einer Diskriminanzanalyse in JMP enthalten die Ergebniszusammenfassungen eine Reihe von "falsch klassifizierten Beobachtungen". Das Benutzerhandbuch pdf "Multivariate Methoden" definiert Folgendes:
Nummer falsch klassifiziert : Gibt die Anzahl der falsch klassifizierten Beobachtungen im angegebenen Satz an.
Prozent falsch klassifiziert : Gibt den Prozentsatz der falsch klassifizierten Beobachtungen im angegebenen Satz an.
Prob(Pred) : Geschätzte Wahrscheinlichkeit der vorhergesagten Klassifizierung der Beobachtung.
Frage
Es ist mir unklar mit welcher wahrscheinlichkeit Ist ein Beobachtung ist w ell klassifiziert oder nicht . Mit anderen Worten, das ist die Wahrheit Gleichung hinter "falsch klassifiziert"?
Mögliche Antworten?
1) Wenn Prob(Pred) die gut klassifizierte Definition definiert hat oder nicht, wie wird sie berechnet? Zum Beispiel (wenn Sie sich den Abschnitt „Gespeicherte Formeln“ des Handbuchs zur multivariaten Analyse ansehen), wird sie aus „qt vorherige Wahrscheinlichkeit der Mitgliedschaft für Gruppe t“ oder „der p(t|y) späteren Wahrscheinlichkeit, dass y zur Gruppe gehört, berechnet T"
Danke für deine Antworten
PS: Die Frage wurde aus Gründen der Klarheit bearbeitet
Wählen Sie für die aktuelle Version (13). Hilfe > Bücher > Multivariate Methoden . Sehen Kapitel 5: Diskriminanzanalyse . Sehen Gespeicherte Formeln im letzten Abschnitt, Technische Details .
Frühere Versionen sollten die gleiche Hilfe in einem ähnlichen Pfad haben.
Diskriminanzanalyse ist eine Form von überwachtes Lernen . Du gibst ein bekannte Reaktion mit dem Trainingsdatensatz. Die Diskriminanzanalyse ergibt a Vorhersagemodell . Der vorhergesagte Reaktion wird mit der gegebenen Antwort verglichen. Wenn sie nicht übereinstimmen, wird diese Beobachtung als falsch klassifiziert betrachtet.
