Методы автоматизированной классификации по атрибутам

💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

При автоматизированной классификации (Automatic classification) по атрибутам пользователь определяет атрибут классификации, метод классификации и число классов.

Выбор метода классификации опирается на оценку распределения данных посредством гистограммы. На горизонтальную ось гистограм выносятся значения, а на вертикальную – частота их появления в пределах данной выборки. Для автоматизированной классификации по атрибутам ArcMap предоставляет возможность использовать один из шести стандартных методов классификации:

· Равный интервал: метод равных интервалов (Equal interval) основан на следующем принципе классификации: каждый класс имеет равный диапазон значений. Разность между максимальным и минимальным значением одинакова для каждого класса. Программа вычитает минимальное значение в наборе данных из максимального значения. Полученное значение делит на заданное число классов. Затем получает предельное значение для первого класса путем прибавления результата деления к самому меньшему значению выборки. Таким же образом устанавливаются интервалы для остальной части классов. Равные интервалы более просты для понимания, так как диапазон для каждого класса одинаков.

· Заданный интервал: метод заданных интервалов (Defined interval) позволяет пользователю определить интервал, на который будет разделен весь диапазон значений атрибута. В отличие от схемы равных интервалов, где пользователь

определяет количество интервалов, здесь необходимо указать значения

интервалов. ГИС автоматически определяет количество классов на основании этого интервала.

· Квантиль: метод квантиль (Quantile) создает равное число объектов в каждом классе. ГИС упорядочивает объекты по принципу изменения их атрибута в интервале от максимального до минимального значения и суммирует их количество. Затем делит общее количество объектов на число классов, которые задал пользователь. После этого присваивает первым по порядку объектам значения самого низкого класса, пока этот класс не будет заполнен, затем перемещается к следующему классу, заполняет его и так далее.

· Естественная разбивка: метод естественной разбивки (Natural breaks) основан на следующем принципе классификации: границы классов определяются там, где имеется резкий перепад между группами значений. По Jenks ГИС автоматически определяет максимальное и минимальное значение для каждого класса, используя математическую процедуру, которая анализирует резкие изменения в данных. Данная процедура выбирает интервалы, которые лучше всего группируют близкие значения, и максимизирует различия между классами.

· Геометрический интервал: метод геометрического интервала (Geometrical interval) основывается на интервалах классов, которые имеют геометрическую серию. Геометрическая серия - это последовательность значений, где каждое последующее значение получается умножением предыдущего значения на геометрический коэффициент. Алгоритм создает эти геометрические интервалы, минимизируя сумму квадратов элементов на класс. Это гарантирует, что диапазон каждого класса имеет приблизительно одно количество значений в каждом классе и что изменения между интервалами довольно последовательные.

· Стандартное отклонение: метод стандартного отклонения (Standard deviation) основан на следующем принципе классификации: каждый класс определен величиной отклонения от среднего по выборке. ГИС сначала находит среднее по выборке, разделив сумму всех значений на общее число объектов. После этого вычисляется среднеквадратическое отклонение путем вычитания среднего из каждого значения и возведения разности в квадрат. Полученные значения суммируются и делятся на число объектов. Из полученного выражения извлекается корень.