דיסקרימינאַנט אַנאַליז אין סטאַטיסטיק

דיסקרימינאַנט אַנאַליז אין סטאַטיסטיק: אַ טיפער צוגאַנג

דיסקרימינאַנט אַנאַליז איז אַ סטאַטיסטישע מעטאָדע וואָס איז זייער נוצלעך פֿאַר גרופּירן דאַטן אין פֿאַרשידענע קאַטעגאָריעס. עס איז אַ שטאַרק געצייַג וואָס ווערט אָפט געניצט אין פֿאַרשידענע דיסציפּלינעס, אַרייַנגערעכנט סאציאלע וויסנשאַפֿטן, ביאָמעדיצין, פֿינאַנץ, פֿאַרקויף און פילע אַנדערע פֿעלדער. אין דעם אַרטיקל וועלן מיר זיך פֿאַרטיפֿן אין די מוסטערן, באַנוץ, מעטאָדן און אַפּליקאַציעס פֿון דיסקרימינאַנט אַנאַליז.

פֿאַרשטיין דיסקרימינאַנט אַנאַליז

פשוט געזאגט, דיסקרימינאנט אנאליז איז א סטאטיסטישע מעטאד גענוצט צו פאראויסזאגן קאטעגאריעס אדער גרופעס פון נייע דאטן באזירט אויף א סכום פון עקזיסטירנדע דאטן מיט באקאנטע קאטעגאריעס. מער טעכניש, דיסקרימינאנט אנאליז איז א טעכניק וואס שאפט א דיסקרימינאנט פונקציע, א לינעארע קאמבינאציע פון ​​אומאפהענגיקע וועריאַבלען, צו צעטיילן אדער גרופירן דאטן אין צוויי אדער מער קאטעגאריעס.

פונקציעס און צילן פון דיסקרימינאַנט אַנאַליז

די הויפּט ציל פון דיסקרימינאַנט אַנאַליז איז צו מאַקסאַמיזירן די אונטערשיידן צווישן עקזיסטירנדיקע קאַטעגאָרישע גרופּעס. די דיסקרימינאַנט פונקציע צילט צו געפֿינען די לינעאַרע קאָמבינאַציע פון ​​וועריאַבאַלן וואָס איז מערסט עפעקטיוו אין צעשיידן די פֿאַרשידענע קאַטעגאָריעס. דורך געפֿינען די פונקציע, קען דיסקרימינאַנט אַנאַליז אויספֿירן צוויי וויכטיקע פֿונקציעס:

1. קלאַסיפֿיקאַציע: קלאַסיפֿיצירן יחידים אָדער אָביעקטן אין פֿאַר-באַשטימטע קאַטעגאָריעס באַזירט אויף דעם ווערט פֿון דער אומאָפּהענגיקער וואַריאַבלע.
2. אידענטיפיקאציע: באַשטימען וועלכע וועריאַבאַלן זענען מערסט איינפלוסרייך אין אונטערשיידן פאַרשידענע קאַטעגאָריעס.

טיפּן פון דיסקרימינאַנט אַנאַליז

עס זענען דא עטלעכע טיפן דיסקרימינאַנט אַנאַליז, וואָס מערסטנס אָפענגען אויף די צאָל קאַטעגאָריעס וואָס זענען ינוואַלווד:

1. לינעאַרע דיסקרימינאַנט אַנאַליז (LDA): גענוצט ווען די הנחות פון נאָרמאַלער פאַרשפּרייטונג פון די דאַטן און גלייכקייט פון קאָוואַריאַנס פון יעדער קאַטעגאָריע זענען דערפילט. LDA פּרוּווט צו געפֿינען אַ לינעאַרע קאָמבינאַציע פון ​​פּרעדיקטאָר וועריאַבאַלן וואָס מאַקסאַמייז די פאַרהעלטעניש צווישן צווישן-גרופּע און אינער-גרופּע וואַריאַציע.

2. קוואַדראַטישע דיסקרימינאַנט אַנאַליז (QDA): גענוצט ווען די הנחה פון גלייכע קאָוואַריאַנסן איז נישט דערפילט. QDA איז מער פלעקסיבל ווי LDA ווייל עס ערלויבט פֿאַרשידענע קאָוואַריאַנס מאַטריצעס פֿאַר יעדער קאַטעגאָריע.

3. קאַנאָניקאַל דיסקרימינאַנט אַנאַליז (CDA): ניצט אַ לינעאַרע קאָמבינאַציע פון ​​אומאָפּהענגיקע וועריאַבאַלן צו מאַקסאַמיזירן די קאָרעלאַציע צווישן דער קאָמבינאַציע און די קאַטעגאָריקאַל אָפענגיק וועריאַבאַל.

דיסקרימינאַנט אַנאַליז פּראָצעס

דער דיסקרימינאַנט אַנאַליז פּראָצעס נעמט אַרײַן עטלעכע וויכטיקע טריט. דאָ זענען די גרונט טריט וואָס מען פֿאָלגט בכלל אין דיסקרימינאַנט אַנאַליז:

1. דאַטן זאַמלונג: דער ערשטער שריט איז צו זאַמלען דאַטן וואָס אַנטהאַלטן אומאָפּהענגיקע וועריאַבאַלן (פּרעדיקטאָרס) און קאַטעגאָרישע וועריאַבאַלן (אָפּהענגיקע).

2. הנחה טעסט: אפשאצן צי די דאטן טרעפן די הנחות פון דיסקרימינאנט אנאליז ווי למשל מולטיוואַריאַט נאָרמאַליטעט און גלייכקייט פון קאָוואַריאַנס מאַטריצעס.

3. דיסקרימינאַנט פונקציע שאַצונג: ניצן דאַטן מיט באַקאַנטע קאַטעגאָריעס צו שאַצן די דיסקרימינאַנט פונקציע. די פונקציע איז אַ לינעאַרע קאָמבינאַציע פון ​​די אומאָפּהענגיקע וועריאַבאַלן.

4. פונקציע טעסטן: טעסטן די עפעקטיווקייט פון דער דיסקרימינאנט פונקציע אין גרופּירן דאַטן. דאָס ווערט געוויינטלעך געטאָן מיט וואַלידאַציע דאַטן אָדער דורך קראָס-וואַלידאַציע מעטאָדן.

5. נייע דאַטן קלאַסיפֿיקאַציע: ניצן דיסקרימינאַנט פֿונקציעס צו קלאַסיפֿיצירן נייע דאַטן אין פּאַסיק קאַטעגאָריעס.

אימפּלעמענטאַציע פון ​​דיסקרימינאַנט אַנאַליז

כדי צו אילוסטרירן די אימפּלעמענטאַציע פון ​​דיסקרימינאַנט אַנאַליז, לאָמיר נעמען אַ פאַקטישן מאַרקעטינג בייַשפּיל. אַ מאַרקעטער וויל קאַטעגאָריזירן קאַסטאַמערז אין סעגמענטן באַזירט אויף זייערע שטעלונגען צו אַ נייעם פּראָדוקט. בנימצא דאַטן קען אַרייַננעמען עלטער, האַכנאָסע, פּראָדוקט פּרעפֿערענצן און קויפן אָפטקייט.

1. דאַטן זאַמלונג: באַקומען דאַטן פֿון אַנקעטעס אָדער אַנדערע קוועלער וואָס אַנטהאַלטן קונה דעמאָגראַפיק און נאַטוראַל אינפֿאָרמאַציע.

2. הנחה טעסט: קאָנטראָלירט צי די דאַטן פֿאָלגן אַ נאָרמאַלע פֿאַרטיילונג און צי די קאָוואַריאַנס מאַטריץ איז ענלעך פֿאַר יעדן קונה סעגמענט.

3. דיסקרימינאַנט פונקציע עסטימאַציע: ניצן סטאַטיסטישע ווייכווארג ווי SPSS, SAS, אדער R צו רעכענען די דיסקרימינאַנט פונקציע באזירט אויף דאַטן וועמענס סעגמענטן זענען באַקאַנט.

4. פונקציע טעסטינג: באקומען גילטיקייט טעסץ פון דיסקרימינאַנט פונקציעס דורך מעטאָדן ווי קראָס-וואַלידאַציע.

5. נייע דאטן קלאסיפיקאציע: אנווענדן דיסקרימינאנט פונקציעס צו נייע דאטן צו באשטימען קאסטומער סעגמענטן פאר ווייטערדיגע מארקעטינג קאמפיינס.

בענעפיטן און לימיטאציעס פון דיסקרימינאנט אנאליז

מאַנפֿאַט:
1. עפעקטיווקייט אין גרופּירן: דיסקרימינאַנט אַנאַליז קען זיין זייער עפעקטיוו אין גרופּירן דאַטן אין פאַרשידענע קאַטעגאָריעס באזירט אויף לינעאַרע קאָמבינאַציעס פון וועריאַבאַלן.
2. סימפּליפיקאַציע: דורך געפֿינען די הויפּט קאָמפּאָנענטן וואָס אונטערשיידן קאַטעגאָריעס, סימפּליפיצירט דיסקרימינאַנט אַנאַליז קאָמפּלעקסע פּראָבלעמען.
3. ברייטע אנווענדונג: גענוצט אין פארשידענע פעלדער ווי מארקעטינג, ביאָמעדיצין, פסיכאלאגיע, און פינאנציעלע פאַרוואַלטונג.

קעטערבאַטאַסאַן:
1. שטרענגע אנווייזונגען: די אנווייזונגען פון נאָרמאַלער פאַרשפּרייטונג און גלייכקייט פון קאָוואַריאַנס מאַטריצעס ווערן אָפט נישט דערפילט אין פּראַקטיק.
2. סענסיטיוויטי: קליינע ענדערונגען אין וועריאַבלען קענען האָבן אַ גרויסן איינפלוס אויף די רעזולטאַטן, וואָס ריקווייערז קערפאַל דאַטן רייניקונג און פאַר-פּראַסעסינג.
3. איבערפיטינג: דער ריזיקע פון ​​איבערפיטן דעם מאָדעל צו די טרענירונג דאטן, וואס קען רעדוצירן גענעראליזאציע צו נייע דאטן.

פאַל שטודיעס אין דיסקרימינאַנט אַנאַליז

אלס א ביישפּיל, לאָמיר קוקן אויף אַ פאַל־שטודיע אין דעם געזונטהייט־סעקטאָר. זאָגן מיר אַז מיר האָבן שפּיטאָל־פּאַציענטן־דאַטן מיט פֿאַרשידענע וועריאַבלען ווי עלטער, בלוטדרוק, בלוט־צוקער־לעוועלס און מעדיצינישע געשיכטע. די ציל איז צו קלאַסיפֿיצירן פּאַציענטן ווי הויך, מיטלמעסיק אָדער נידעריק ריזיקאָ פֿאַר האַרץ־קראַנקייט.

1. דאַטן זאַמלונג: דאַטן ווערט באַקומען פֿון פּאַציענט מעדיצינישע רעקאָרדס.
2. הנחה טעסט: עוואַלואַציע פון ​​מולטיוואַריאַט נאָרמאַליטעט און קאָוואַריאַנס גלייכקייט פון דאַטן גרופּעס.
3. דיסקרימינאַנט פונקציע עסטימאַציע: ניצן דיסקרימינאַנט אַנאַליז צו באַשטימען די לינעאַר קאָמבינאַציע פון ​​וועריאַבאַלז וואָס בעסטער טיילט האַרץ קרענק ריזיקירן גרופּעס.
4. פונקציע טעסטינג: אפשאצן די דיסקרימינאנט פונקציע מיט וואַלידאַציע דאַטן.
5. נייע דאַטן קלאַסיפיקאַציע: אַפּליקאַציע פון ​​דיסקרימינאַנט פאַנגקשאַנז צו נייע פּאַציענט דאַטן פֿאַר ריזיקירן אַסעסמאַנט.

אין פילע פעלער, העלפן די רעזולטאטן פון דיסקרימינאנט אנאליז מעדיצינישע פראפעסיאנאלן אין דער ערשטער אפשאצונג פון א פאציענט'ס צושטאנד, וואס קען דערנאך נאכגעפאלגט ווערן מיט מער טיפע און ספעציפישע דיאגנאסטישע פראצעדורן.

קעסימפּולאַן

דיסקרימינאַנט אַנאַליז איז אַ שטאַרק און פלעקסאַבאַל סטאַטיסטיש געצייַג וואָס אָפפערס פילע בענעפיץ אין אַ ברייט קייט פון אַפּלאַקיישאַנז. ניצנדיק דעם צוגאַנג, קענען מיר עפעקטיוו גרופּירן דאַטן אין באַזונדערע קאַטעגאָריעס, פֿאַרשטיין די סיבות וואָס השפּעה האָבן אויף קלאַסטערינג, און העלפֿן באַשלוס-מאכן. אָבער, עס איז וויכטיק צו באַטראַכטן די אַסאַמפּשאַנז און לימיטיישאַנז וואָס זענען ינוואַלווד צו ענשור פּינטלעך און פאַרלאָזלעך רעזולטאַטן. אין דער וועלט פון ינקריסינגלי קאָמפּלעקס און גרויס דאַטן סעץ, בלייבט דיסקרימינאַנט אַנאַליז איינער פון די מערסט נוציק און ינאָוואַטיוו קלאַסטערינג מעטהאָדס.