Tengo un análisis discriminante que estoy usando para clasificar algunos materiales.Funciona bastante bien y lo llevaré a producción en breve.Por supuesto, algunos elementos terminan siendo "casos extremos" en los que ligeras variaciones en ellos pueden moverlos de una clasificación a la siguiente.Entonces, por ejemplo, la Muestra A-1 (primer muestreo del flujo A) termina clasificándose como un objeto Gamma, mientras que la muestra A-2 (segundo muestreo del flujo A) se clasifica como un objeto Theta debido a pequeñas variaciones en su naturaleza. .
Alternativamente, tengo casos en los que el material simplemente no encaja muy bien en ninguna de las clases, pero se asigna a una.
Lo que estoy buscando es la mejor manera de normalizar una métrica de puntuación de qué tan bien encaja algo con su clase asignada.Por lo que puedo decir, la función de probabilidad está utilizando una función Logit, por lo que tiene demasiado movimiento exponencial en su naturaleza para tener mucho valor allí (básicamente, el cambio A1 y A2 anterior mostrará el 99% en cualquiera de las categorías según las perturbaciones mínimas).
Alternativamente, he intentado mirar el parámetro SQDIST.El problema con este es que no está normalizado, por lo que puede ver SQDIST muy pequeños para un clúster reducido y SQDISTS muy grandes para otro clúster grande.Intenté normalizar cada SQDIST a la mediana del clúster, eso ayudó, pero aún así no dio el resultado que quería.¿Tal vez la puntuación z?
De todos modos, ¿me preguntaba si ya existía un buen parámetro listo para usar para esto?Aquí están los detalles de lo que me gustaría
1) métrica normalizada de qué tan bien se ajustan los datos a su mejor segmento
2) métrica normalizada de qué tan bien se ajustan los datos a su segundo mejor grupo.
3) Tener suficiente linealidad en estos para ser fácilmente interpretables (sin caída / crecimiento exponencial)
La normalización es realmente la clave.Mi objetivo, en última instancia, sería desarrollar un gráfico de control de nuevos datos a medida que la LDA los procesa para detectar los valores atípicos a medida que ingresan y medir el estado general de las clases de LDA.
