Классификация данных. Кластерный анализ

Финансовая аналитика » Формирование кредитного портфеля » Классификация данных. Кластерный анализ

При проведении оценки и, особенно, массовой оценки имущества на первом этапе весь массив оцениваемых объектов обычно разбивают на группы однородных по совокупности признаков имущества, то есть решают задачу классификации. Имущество, включаемое в одну группу, по возможности, должно находиться на небольшом расстоянии друг от друга в пространстве выбранных признаков. Для решения подобных задач может быть использовано несколько подходов. Обычно используют эвристический подход к группированию объектов, опирающийся на разного рода классификации (ОКОФ, отраслевые классификаторы и т.п.). Основой подхода часто являются интуитивные соображения. При недостаточно знакомом оценщику имуществе этот подход может оказаться затруднительным. При решении задачи в этом случае нередко встречаются ситуации, когда, с одной стороны, есть желание укрупнить группы оцениваемых объектов, а с другой, – нет уверенности в их классификационной однородности. Другим способом решения задачи группирования объектов является статистический подход, позволяющий в ряде случаев в значительной степени формализовать процесс. Если объекты оценки имеют несколько признаков, задача может быть решена методами кластерного анализа, специально предназначенного для разбиения совокупности n объектов на однородные в некотором смысле группы (или классы), называемые кластерами. Так как метод является формальным, необходимо иметь некоторый критерий качества разбиения, который позволит сопоставлять альтернативные варианты группировок. В качестве критерия качества классификации объектов может быть использована возможность содержательной интерпретации найденных групп. Как правило, исходная информация имеет вид прямоугольной таблицы, строками которой являются объекты оценки, а столбцами – их классификационные признаки, в роли которых обычно выступают наиболее важные показатели (факторы) объектов x. Пусть в общем случае имеется n объектов, обладающих k признаками. Тогда таблица приобретет вид матрицы X:

(2.8)

Если объекты х, образующие матрицу, имеют несколько признаков (), задача классификации может быть решена методами кластерного анализа.

Обычно стараются сформировать матрицу Х так, чтобы ее элементы соответствовали переменным одного типа, обычно количественным. Качественные и ранговые переменные заменяют числами натурального ряда.

Кластерный анализ обычно начинается с определения расстояний между каждой парой входящих в матрицу Х объектов. Объекты, у которых расстояние окажется меньше некоторого заданного порогового значения, считаются однородными, принадлежащими одному кластеру.

Выбор метода определения расстояния и задание его порогового значения являются важными моментами кластерного анализа.

В наиболее общем случае обычно используют обобщенное (взвешенное) расстояние Махаланобиса /21/

, (2.9)

где , – i-й и j-й векторы-строки матрицы X;

Λ – диагональная матрица весовых коэффициентов;

Σ – ковариационная матрица.

Существуют и другие формулы для определения расстояний, которые являются частными случаями формулы (2.9).

Например, если факторы (признаки) объектов взаимно независимы и предварительно нормированы, то можно использовать обычное Евклидово расстояние:

. (2.10)

Предварительное нормирование каждого из признаков производится по правилу

, (2.11)

где – значение l-го признака у i-го объекта;

– среднее арифметическое значение l-го признака;

– среднее квадратическое отклонение l-го признака. (2.12)

Еще по теме:

Расчеты по инкассо
При расчетах по инкассо банк (банк-эмитент) обязуется по поручению клиента осуществить за счет клиента действия по получению от плательщика платежа и (или) акцепта платежа. Банк-эмитент, получивший поручение клиента, вправе привлекать для его выполнения иной банк (исполняющий банк). Расчеты по инка ...

Развитие финансового менеджмента
Банк ВТБ24 — один из крупнейших участников российского рынка банковских услуг. Банк входит в международную финансовую группу ВТБ24 и специализируется на обслуживании физических лиц, индивидуальных предпринимателей и предприятий малого бизнеса. Сеть банка формируют более 500 филиалов и дополнительны ...

Граничный и неграничный бенчмаркинг
При использовании граничных методов сравнительного анализа относительная эффективность компании (по сравнению с границей эффективности выборки аналогичных компаний) оценивается коэффициентами эффективности (от 0 до 1). • Наиболее распространенные граничные методы бенчмаркинга - Data • Envelopment A ...

Главное на сайте

Copyright © 2018 - All Rights Reserved - www.banklesson.ru