آنالیز افتراقی بهینه

تجزیه و تحلیل اختیارات بهینه یا آنالیز افتراقی بهینه (ODA) (انگلیسی: Optimal discriminant analysis) و تجزیه و تحلیل درخت طبقه‌بندی مرتبط (CTA) (انگلیسی: classification tree analysis) روش‌های دقیق آماری هستند که حداکثر دقت پیش‌بینی را دارند. برای هر نمونه خاص و فرضیه اکتشافی، تجزیه و تحلیل اختیاری بهینه (ODA) مدل آماری را نشان می‌دهد که حداکثر دقت پیش‌بینی شده را تعیین می‌کند، میزان خطای نوع اول و دوم را ارزیابی می‌کند و امکان تعمیم پذیری را ارزیابی می‌کند. تجزیه و تحلیل اختیاری به ابعاد بزرگتر از صفر اعمال می‌شود، پس مورد یک بعدی به عنوان UniODA نامیده می‌شود و مورد چند بعدی MultiODA نامیده می‌شود. تجزیه و تحلیل درخت طبقه‌بندی در واقع تعمیم تجزیه و تحلیل مطلوب به درختان غیر متعامد است. دسته‌بندی درخت طبقه‌بندی اخیراً به نام «آنالیز افتراقی بهینه» خوانده شده‌است. آنالیز افتراقی بهینه و تجزیه و تحلیل درخت طبقه‌بندی ممکن است برای پیدا کردن ترکیبی از متغیرها و نقاط برش که بهترین طبقات مجزا از اشیا یا وقایع را تشکیل می‌دهند، به کار رود. این متغیرها و نقاط برش را می‌توان برای کاهش ابعاد و سپس ساخت یک مدل آماری استفاده کرد که داده‌ها را به‌طور بهینه توصیف می‌کند. تجزیه و تحلیل اختیاری مطلوب ممکن است به عنوان تعمیم تجزیه و تحلیل خطی فیشر نشان داده شود. آنالیز افتراقی بهینه یک جایگزین برای ANOVA (تجزیه و تحلیل واریانس) و تحلیل رگرسیون است که تلاش می‌کند یک متغیر وابسته را به عنوان یک ترکیب خطی از دیگر ویژگی‌ها یا اندازه‌گیری‌ها بیان کند. با این حال، ANOVA و آنالیز رگرسیون متغیر وابسته ای را ارائه می‌دهند که متغیر عددی است، در حالی که آنالیز افتراقی بهینه متغیر وابسته ای را ارائه می‌دهد که متغیر طبقه‌ای است.

جستارهای وابسته

منابع

https://en.wikipedia.org/wiki/Optimal_discriminant_analysis