Факторный анализ
Факторный анализ служит для понижения размерности пространства входных факторов. Обработку можно выполнять как в автоматическом
режиме (с указанием порога значимости), так и вручную (основываясь на значениях матрицы значимости).
Рассмотрим применение обработчика на примере данных из файла
Anketa1.txt. Он содержит таблицу с информацией о кредитах граждан.
Выявим значение факторов, влияющих на возврат кредита. Выполните импорт текстового файла Anketa1.txt
При импорте указываем следующие параметры (рис. 1.34):
Рисунок 1.34 – Настройка параметров импорта
Обратите внимание на типы данных (рис. 1.35).
В качестве средства визуализации выбираем таблицу (рис. 1.36).
В Мастере обработки выберем Факторный анализ и зададим входные поля – Личный доход в месяц, Сумма кредита, Стаж работы, Рыночная стоимость автомобиля, Рыночная стоимость недвижимости, Количество лет проживания в регионе (рис. 1.37).
Рисунок 1.35 – Настройка типов данных
Рисунок 1.36 – Таблица с данными
На следующем шаге предлагается запустить процесс понижения размерности пространства входных факторов. После завершения процесса можно выбрать, какие из полученных в результате обработки факторы оставить для дальнейшей работы. Это делается путем указания необходимого порога значимости (рис. 1.38).
Рисунок 1.37 – Факторный анализ при помощи Мастера обработки
Рисунок 1.38 – Изменение порога значимости при помощи Мастера обработки
Теперь необходимо перейти к следующему шагу и выбрать способ визуализации; результаты просмотрим в таблице (рис. 1.39).
Рисунок 1.39 – Результаты визуализации
Для получения такого рода визуализации необходимо выполнить настройку полей и установить для факторов число десятичных знаков равное трем (рис. 1.40).
Рисунок 1.40 – Настройка параметров визуализации
Результаты сохранить в файле L1_7.ded.
Корреляционный анализ
Корреляционный анализ применяется для оценки зависимости выходных полей данных от входных факторов и устранения незначащих факторов. Принцип корреляционного анализа состоит в поиске таких значений, которые в наименьшей степени коррелированы (взаимосвязаны) с выходным результатом. Такие факторы могут быть исключены из результирующего набора данных практически без потери полезной информации. Критерием принятия решения об исключении является порог значимости. Если корреляция (степень взаимозависимости) между входным и выходным факторами меньше порога значимости, то соответствующий фактор отбрасывается как незначащий.
Рассмотрим применение обработки на примере данных из файла region.txt. В данном примере определим степень влияния экономических показателей региона на среднедушевой доход жителей.
В новом проекте импортируем данные из указанного файла.
Устранение незначащих входных факторов
В Мастере обработки выбираем Корреляционный анализ и задаем входные и выходные поля (рис. 1.41). Входными факторами будут являться все экономические показатели региона, а выходным будет Среднедушевой денежный доход.
На следующем шаге необходимо выбрать метод, на основе которого будет происходить расчет коэффициентов корреляции, выберем метод Коэффициент корреляции Пирсона (рис. 1.42).
После выполнения предварительных настроек запускаем процесс корреляционного анализа, по результатам которого предлагается выбрать, какие факторы оставить для дальнейшей работы. Это делается либо вручную, основываясь на значениях матрицы ковариации, либо путем указания порога значимости (по умолчанию порог значимости равен 0,05) (рис. 1.43).
Рисунок 1.41 – Корреляционный анализ при помощи Мастера обработки
Рисунок 1.42 – Выбор метода корреляции
Рисунок 1.43 – Изменение порога значимости
По полученной матрице корреляции видно, какие факторы влияют сильнее других, и какие можно не учитывать при построении всевозможных моделей (рис. 1.44).
Рисунок 1.44 – Матрица корреляции
Результат сохранить в файле L1_8.ded.