Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Статистикада каноникалық талдау (κανων бар, өлшегіш таяқ, ереже) деректерді талдаудың регрессиялық әдістері тобына жатады. Регрессиялық талдау болжамдық айнымалы мен өлшемшарт айнымалы арасындағы қатынасты r корреляциялық коэффициенті, r² анықтамалық коэффициенті және стандартты регрессиялық коэффициент β арқылы сандық тұрғыда бағалайды. Көптік регрессиялық талдау болжамдық айнымалылар жиынтығы мен бір өлшемшарт айнымалысы арасындағы қатынасты R көптік корреляциясы, R² көптік анықтамалық коэффициенті және стандартталған жартылай регрессиялық салмақтар β₁, β₂, және т.б. арқылы көрсетеді. Каноникалық өзгермелі талдау болжамдық айнымалылар жиынтығы мен өлшемшарт айнымалылар жиынтығы арасындағы қатынасты каноникалық корреляциялар ρ₁, ρ₂, және каноникалық салмақтар жиынтығы C және D арқылы анықтайды.
In statistics, canonical analysis (from κανων bar, measuring rod, ruler) belongs to the family of regression methods for data analysis. Regression analysis quantifies a relationship between a predictor variable and a criterion variable by the coefficient of correlation r, coefficient of determination r2, and the standard regression coefficient β. Multiple regression analysis expresses a relationship between a set of predictor variables and a single criterion variable by the multiple correlation R, multiple coefficient of determination R2, and a set of standard partial regression weights β1, β2, etc. Canonical variate analysis captures a relationship between a set of predictor variables and a set of criterion variables by the canonical correlations ρ1, ρ2, , and by the sets of canonical weights C and D.
Каноникалық талдау
Каноникалық талдау оның жасырын түбірлері мен векторларын табу үшін сипаттамалық теңдеуді шешуді қамтитын әдістер тобына жатады. Ол гиперкөлемдегі формалды құрылымдарды, координаттардың бұрылуына қатысты өзгермейтін (инвариантты) ретінде сипаттайды. Мұндай шешімдерде бұрылу, белгілі бір шарттарда және гиперкөлемнің ішкі кеңістігінде болса, көптеген оңтайлы қасиеттерді сақтайды. Бұл бұрылу максималды айнымалы корреляциялық құрылымды басқа, қарапайым және мағыналы құрылымға айналдырады, соның арқасында каноникалық салмақтар C және D түсіндіруге оңай болады. Осы тұрғыдан каноникалық талдау, Гарольд Хотеллингтің (1936) каноникалық варианттар талдауынан (кейде каноникалық корреляциялық талдау деп те аталады) ерекшеленеді, ол болжаушы және өлшем каноникалық варианттары арасындағы максималды (каноникалық) корреляцияны анықтауға бағытталған. Каноникалық варианттар талдауы мен каноникалық талдау арасындағы айырмашылық, бас компоненттер талдауы мен факторлық талдау арасындағы айырмашылыққа ұқсас, олардың әрқайсысының өзіндік ерекшеліктері, өзіндік мәндері және өзіндік векторлары бар.
Canonical analysis belongs to a group of methods which involve solving the characteristic equation for its latent roots and vectors. It describes formal structures in hyperspace invariant with respect to the rotation of their coordinates. In this type of solution, rotation leaves many optimizing properties preserved, provided it takes place in certain ways and in a subspace of its corresponding hyperspace. This rotation from the maximum intervariate correlation structure into a different, simpler and more meaningful structure increases the interpretability of the canonical weights C and D. In this the canonical analysis differs from Harold Hotelling's (1936) canonical variate analysis (also called the canonical correlation analysis), designed to obtain maximum (canonical) correlations between the predictor and criterion canonical variates. The difference between the canonical variate analysis and canonical analysis is analogous to the difference between the principal components analysis and factor analysis, each with its characteristic set of commonalities, eigenvalues and eigenvectors.
Каноникалық талдау (жеңіл)
Каноникалық талдау – деректер жиынтығындағы айнымалылар топтарының арасындағы қатынастарды анықтаумен айналысатын көпөлшемді әдіс. Деректер жиынтығы белгілі бір ортақ ерекшеліктерге сүйене отырып, X және Y екі топқа бөлінеді. Каноникалық талдаудың мақсаты – X және Y арасындағы байланысты табу, яғни X-тің қандай да бір түрі Y-ді бейнелей ала ма. Ол X айнымалыларының (яғни, X1, X2 және т.б.) және Y айнымалыларының (яғни, Y1, Y2 және т.б.) ең жоғары корреляцияланған сызықтық комбинациясын табу арқылы жұмыс істейді. Бұл комбинация "бірінші каноникалық вариаттар" деп аталады, олар әдетте U1 және V1 деп белгіленеді, ал U1 және V1 жұбы – "каноникалық функция" деп аталады. Келесі каноникалық функциялар, U2 және V2, U1 және V1-мен корреляцияланбау үшін шектеледі. Барлық шамалар дисперсиясы 1-ге тең етіп нормаланады. Теориялық шектеулерге немесе ақылға қонымды/интуитивті түсініктерге сәйкес келетін қатынастарды құруға да болады. Бұлар – максималды корреляция модельдері деп аталады. (Tofallis, 1999)
Canonical analysis is a multivariate technique which is concerned with determining the relationships between groups of variables in a data set. The data set is split into two groups X and Y, based on some common characteristics. The purpose of canonical analysis is then to find the relationship between X and Y, i. e. can some form of X represent Y. It works by finding the linear combination of X variables, i. e. X1, X2 etc., and linear combination of Y variables, i. e. Y1, Y2 etc., which are most highly correlated. This combination is known as the "first canonical variates" which are usually denoted U1 and V1, with the pair of U1 and V1 being called a "canonical function". The next canonical functions, U2 and V2 are then restricted so that they are uncorrelated with U1 and V1. Everything is scaled so that the variance equals 1. One can also construct relationships which are made to agree with constraint restrictions arising from theory or to agree with common sense/intuition. These are called maximum correlation models. (Tofallis, 1999)
Математикалық тұрғыдан алғанда, каноникалық талдау UXYV-ді UXXU = I және VYYV = I шартымен максимизациялайды, мұнда X және Y – деректер матрицалары (мысалы, қатар – бақылау үшін, баған – белгі үшін).
Mathematically, canonical analysis maximizes UXYV subject to UXXU = I and VYYV = I, where X and Y are the data matrices (row for instance and column for feature).