🚀 go-pugleaf

On 31 Sie, 00:19, A.L. <alewa...@aol.com> wrote:
> On Sun, 30 Aug 2009 12:23:05 +0200, Grzegorz Brycki
>
> <grzegorz.bry...@op.pl> wrote:
> >Witam,
>
> >*Opis problemu*
>
> Twoj post ostatni mi zniknal, wiec powtarzam:
>
> > Moze opisze to inaczej, jako problem: mam tablice dwuwymiarowa. Na osi X
> >  opisane sa nazwy 100 punktów. Na osi Y opisane sa nazwy tych samych
> > 100 punktów. W sumie tworzy to cos takiego jak tablica odleglosci miedzy
> >miejscowosciami. Np. punkt A od punktu A jest oddalony na 0m. Natomiast
> > punkt A od punktu B jest oddalony o 100m. Teraz zalózmy, ze kazdy z tych
> > punktów jest oddalony od siebie w trzech róznych kierunkach (dziwnie
> > brzmi ale po prostu relacja tych punktów ma trzy kategorie). Teraz ja
> > chce uzyskac tylko i wylacznie nastepujacy efekt. Mape, plaska (a moze
> > to wykres?) który wskaze mi nastepujaca rzecz: grupy punktów które maja
> > do siebie najblizej / zobacze punkty które sa "odludkami" itd.
>
> Rozumiem (moze zle) ze masz punkty w 3D i odleglosci miedzu nimi, i
> chcialbys zobaczyc strukture tych odleglosci na plaszczyznie.
>
> Jezeli tak, to czytaj dalej. Jezeli nie, to nie.
>
> Techniki do zobrazowania zbiory danych w R^N na plaszczynie sa znane w
> statystyke jako "multidimensional scaling". Poszukaj na googlach
> opisu. Jezyk R do analizy statystycznej posiada takie procedury
> gotowe.
Inne kluczowe słowa to: Sammon mapping (odwzroowanie Sammona).
Można też użyć mapy Kohonena (Self-Organizing map).

Wszystko w R jest. Stosowałem i działa.

Co do wykrywanie "odstających" to ja robiłem estymację rozkładu
tworząc
funkcję f(x), która przyjmowała duże wartości (bliskie 1) dla obszarów
gdzie
jest duże skupisko puntków pomiarowych i mała (bliską 0 ) tam gdzie
takich punktów jest mało. Funkcję tę estymowałem metodą SVM ale można
użyć także innej metody, np. regresji logistycznej.

Jeśli OP jest zainteresowany to mogę więcej o tym napisać.

Pozdrawiam,
   Wit Jakuczun