42. Привести классификацию шкал по Стивенсону.

Согласно классификации Стивенсона, в самом общем виде, можно выделить три типа шкал: - номинальную,  - порядковую, - метрическую.

Номинальная шкала включает в себя класс переменных, значения которых можно разделить на группы, но невозможно проранжировать. Примерами соответствующих переменных являются пол, национальность, религия и т.д. Рассмотрим более подробно такую переменную как национальность. В данном случае респондентов можно разделить на разные группы в зависимости от того, к какой национальности они себя относят. Вместе с тем, на основе этой информации, респондентов невозможно упорядочить в смысле количественной выраженности интересующего нас параметра, ведь национальность не является измеряемым, в традиционном значении этого слова, свойством.

Порядковая шкала включает в себя класс переменных, значения которых можно не только разделить на группы, но и проранжировать в зависимости от выраженности измеряемого свойства. Классическим примером порядковой шкалы является Шкала Богардуса, предназначенная для измерения национальной дистанцированности. Эта шкала позволяет упорядочить респондентов в зависимости от их отношения к той или иной национальности. Вместе с тем, она предоставляет лишь приблизительную информацию, которая не дает возможности точно оценить различия между градациями шкалы.

Метрическая шкала включает в себя класс переменных, значения которых можно как разделить на группы и проранжировать, так и определить их величину в точных терминах. Типичными примерами соответствующих переменных являются возраст, заработная плата, количество детей и т.д. Измерение каждой из них можно осуществить максимально точно: возраст в годах, заработную плату в тенге.

43. Задача распознавания с обучением как задача оптимизации.

Обучение с учителем, обучающая выборка

Альтернативой ручному вводу в систему описаний классов объектов и параметров решающей функции является обучение системы. Оно представляет собой процедуру самонастройки системы распознавания на основе воспринимаемой информации и может происходить как при подготовке системы, так и в процессе её работы по мере «накопления опыта». Вид обучения, в котором системе представляется набор образцов распознаваемых объектов с указанием их принадлежности классам, называется обучением с учителем. Набор образцовых объектов называется обучающей выборкой . Необученная система производит распознавание предлагаемых объектов и сравнивает свои результаты с правильными ответами, поступающими от учителя. По результатам сравнения система корректирует параметры решающей функции. В случае использования метода перечисления для задания классов система просто сохраняет в памяти всю доступную об объектах информацию. Если классы задаются описанием общих свойств, то система определяет различия в значениях признаков объектов разных классов. При использовании кластерного подхода по анализу векторов признаков объектов обучающей выборки формируются исходные кластеры в пространстве признаков.

Итак, обучающая выборка в задаче распознавания является априорной информацией о множестве распознаваемых объектов и представляет описание всех классов объектов:

Её составляют описания предложенных учителем объектов с указанием их принадлежности классам, т.е. можно определит её как совокупность описаний объектов

Где объекты принадлежат классу , объекты - классу и т.д.

Таким образом, обучающая выборка представляет собой таблицу, строки которой помечены названиями объектов , а столбцы - названиями признаков . Элементами таблицы являются значения признаков объектов . Строки таблицы сгруппированы по классам .