Компьютерная работа на линейный дискриминантный анализ и Построение дерева классификации (методы CHAID или CRT на выбор)

Работа должна быть оформлена в формате MS Word (либо PDF).

Все полученные результаты расчетов (выполненные либо в SPSS, либо в R, либо в EXCEL, либо в Python но подробно и по шагам) должны быть описаны выводами в текстовом формате.

1.     2 балла – Каждый студент формирует свою базу данных, определяя проблематику исследования. Использовать данные пространственной выборки объемом не менее 80 наблюдений (субъекты РФ, страны, компании и т.п.). В базу данных необходимо включить не менее 6 непрерывных и 2 бинарных переменных, а также бинарный ответ на задачу классификации (целевую переменную). Сформулировать задачу классификации.

2.     3 балла – По сформированной базе данных провести линейный дискриминантный анализ:

2.1.       Выделить 1-3 наблюдения (резко выделяющихся, наиболее удаленных от центров кластеров), подлежащих дискриминации;

2.2.       Провести дискриминантный анализ;

2.3.       Записать выражение для дискриминантной функции;

2.4.       Оценить значимость дискриминантной функции (по коэффициенту Уилкса);

2.5.       Определить относительный вклад каждой переменной в формирование классов;

2.6.       Определить, чему равны средние значения дискриминантной функции по группам;

2.7.       Указать, к каким группам были отнесены классифицируемые объекты и вероятности, с которыми объекты входят в эти группы;

2.8.       На основании анализа таблицы «Wilks’ Lambda» проверьте значимость различий средних значений дискриминантной функции в двух группах;

2.9.       Оценить качество дискриминантного анализа (на основании результатов таблицы Eigenvalue);

2.10.    Оценить целесообразность проведения дискриминантного анализа по Вашим данным.

3.     2,5 балла – Построение дерева классификации (методы CHAID или CRT на выбор):

3.1.  Выбор зависимой переменной – дискретная шкала;

3.2.  Построение деревьев с помощью метода CHAID (или CRT) с различными независимыми переменными;

3.3.  Выбор оптимального дерева с помощью таблицы классификации;

3.4.  Визуализация результатов; 

3.5.  Интерпретация результатов.