|
77 родных шкал. К процедурам, используемым для представления качественных признаков в количественной форме относят [50, 83, 102]: оцифровка неколичественных переменных; булевы таблицы «объект-признак»; лингвистические переменные Таблица Ошибка! Текст указанного стиля в документе отсутствует..4. Соответствие методов обработки экономической информации существующим экономико-математических моделей построение метод нейронные кластеризация интегрального главных сети показателя компонент Множественность связей между объектами Явление ложной корреляции Высокий уровень «зашумленности» данных Наличие пропуска данных Дублирование информации Не информативность показателей Наличие разнотипных данных Малый объем имеющихся данных Большое количество качественной информации________ Высокий уровень изменчивости среды функционирования проблемам построения наименование етода проблема _____________ применимость метода для решения проблемы Процедура дихотомизации качественного признака представима в виде |
Наиболее часто в качестве данных функций используются линейно убывающие от времени функции. Преимуществом использования нейронных сетей с целью снижения размерности исходных данных является возможность проведения нелинейного сжатия путем замены линейной функции активации нейронов на нелинейную. Недостатком факторной группировки, по мнению Б.Г.Уиркина [110],является эффективность данной процедуры лишь при «прочих равных условиях» для всей совокупности исследуемых объектов. В заключение, хотелось бы отметить тот факт, что решающим критерием при отборе существенных признаков следует считать величину потерь от ошибок. Не менее значимой проблемой возникающей при построении эконошкоматематических моделей является необходимость учета большого количества нечисловой информации. Таким образом, существует необходимость использования либо специальных процедур представления качественной информации в количественЛ ном виде, либо производить построение аналитической модели с использованием в качестве признакового пространства совокупность признаков имеющих различную природу, и как следствие, измеримых с помощью разнородных шкал. К процедурам, используемым для представления качественных признаков в количественной форме относят [62, 109, 136]: оцифровка неколичественных переменных; булевы таблицы «объект-признак»; лингвистические переменные Процедура дихотомизации качественного признака представима в виде следующего алгоритма: например качественный признак х имеет т значений. Таким образом, он может быть представлен т дихотомическими признаками xs, s = \,..m. Во втором случае представляется возможным использование элементов теории нечетких множеств. Обоснованность применения данной теории обусловлена трудностью точного присвоения качественным признакам конкретных количественных значений. В ряде случаев экспертам проще оперировать лингвистическими пере77 Л А менными. Согласно определению, данному Л.Заде в своей работе, лингвистическая переменная переменная, значениями которой являются слова или предложения естественного или искусственного языка [62]. Таблица 2.7. Соответствие методов обработки экономической информации существующим проблемам построения экономико-математических моделей ^•^наим енование метода проблема построение интегрального показателя метод главных компонент нейронные сети кластеризация Множественность связей между объектами Явлениеложной корреляции Высокий уровень «зашумлесшости» данных Наличие пропуска данных Дублирование информации Не информативность показателей Наличие разнотипных данных Малый объем имеющихся данных Большое количество качественной информации Высокий уровень изменчивости среды функционирования А применимость метода для решения проблемы Проанализировав соответствие возможных вариантов обработки экономических данных существующим проблемам построения экономико-математических моделей (табл.2.7), можно сделать вывод о наиболее полном учете методом кластеризации рассмотренных втабл.2.6 специфических особенностей. Необходимо отметить, что проанализированные методы не решают проблемы «высокого уровня «зашумленности» данных», что приводит к необходимости осуществления предварительной обработки имеющихся данных при наличии значительного уровня «шума». 78 |