Aus Sicht der Datenanalyse wird erwartet, dass die statistische Modellierung, insbesondere unter Verwendung parametrischer Modelle, mit unerschwinglichen Barrieren begegnet, die durch eine hohe Dimensionalität auferlegt werden. Ein Blick auf solche Barrieren wird wie folgt gesehen. Es gibt 14 Dimensionen der Traubenbiochemikalien bei der Ernte als Kovariate und 6 Dimensionen Saft als Reaktion. Es ist denkbar, dass zwischen den 14-dimensionalen Kovariaten sowie zwischen den 6-dimensionalen Antworten unbekannte Abhängigkeitsmuster existieren. Wenn es vernünftig ist zu postulieren, dass keine sinnvollen Wirkungsbewertungen es sich leisten können, Abhängigkeitsstrukturen, die sowohl in Antworten als auch in kovariane Variablen eingebettet sind, vollständig zu ignorieren, dann wären klassische Statistiken überhaupt nicht von Nutzen. Beispielsweise ignorieren die meisten parametrischen Modelle, wie z. B. verschiedene Regressionsmodelle, die Abhängigkeit zwischen Denvariaten, indem sie Einerseits Argumente konditionieren. Auf der anderen Seite kann kaum ein Modell mehrere Antwortvariablen aufnehmen. Für quantitativ berechnete Muster in der Saftphase betrachten wir erneut die vier Hypothesen h0, H2C, H2R, H2 – 2. Vier Energieverteilungen aus vier Bootstrapping-Ensembles werden abgeleitet, wie in der Tafel (b) von Abb. 3 dargestellt.

Auch hier sind H2C, H2R, H2 – 2, deutlich gegen H0. Die berechneten Muster sind also realistisch. Es wird auch darauf hingewiesen, dass die Hypothese H2 2 von H2C und noch weiter von H2R entfernt ist. Es impliziert, dass sich das 4-Block-Muster deutlich von den beiden 2-Block-Mustern unterscheidet, während der Vintage-Faktor wichtiger ist als die beiden Cluster von Features. Der letzte Schritt unseres vorgeschlagenen inferentialen Verfahrens besteht darin, aus jedem Bootstrapping-Ensemble eine Energieverteilung abzuleiten, wie in der Tafel (b) Abb. 2 gezeigt. Jede Energieverteilung wird unter der Hypothese als entsprechende Verteilung angesehen. Daher wird für das Testen zwischen vier Hypothesen eine Einrichtung von einfachen vs einfachen Hypothesentests verwendet. Die p-Werte und Typ-II-Fehler werden durch einfache Auswertung der überlappenden Bereiche auf beiden Seiten des Kreuzungspunkts der beiden entsprechenden Energieverteilungspaare berechnet. Es wird beobachtet, dass Die Energieverteilungen, die sich auf die 4-Block- und zwei 2-Block-Muster beziehen, nahe beieinander liegen, während die, die sich auf ein strukturspezifisches Muster bezieht, sehr weit entfernt ist. Dieses Phänomen ist in erster Linie auf verschiedene Einschränkungen der blockweisen Zeilen- und Spaltensummen zurückzuführen.

Diese Beobachtung bedeutet, dass die p-Werte fast Nullen sind, ebenso wie die Typ-II-Fehler für H0, gegenüber einem von “H2C”, “H2R”, “H2” und “2”. Als Nächstes wird ein inferentiales Verfahren vorgeschlagen, um quantitativ zu überprüfen, ob verschiedene sichtbare berechnete Muster real sind oder nicht. Lassen Sie das Strukturmuster von vier Blöcken als Hypothese H2 – 2 bezeichnet werden, um die interagierenden Beziehungen von binären Vintage-Faktor im Vergleich zu zwei Clustern von 14 Features anzuzeigen. Während Hypothese H2R das marginale Strukturmuster des Vintage-Faktors bezeichnet, ohne die 14 chemischen Attribute in zwei Cluster zu trennen. In ähnlicher Weise bezeichnet Hypothese H2C das marginale Strukturmuster, das sich auf zwei Cluster der 14 Merkmale ohne Vintage-Faktor bezieht. Die letzte ist die Hypothese H0 für ohne strukturelle Muster im zweiteiligen Netzwerk. So ist in Bezug auf die Sammlung die entsprechend modifizierte euklidische Entfernung so konzipiert, dass gleichzeitig mehrere Ebenen von mehrdimensionalen Vergleichen durchgeführt werden. Ein solches funktionales Design würde durch seine Anwendung auf dem Weinbaubeispiel im nächsten Abschnitt klarer werden.

Wenn zwei euklidische Abstände iterativ auf der Grundlage von zwei iterativ gekoppelten Bäumen auf bzw. , werden die unbekannten multiskaligen Abhängigkeitsstrukturen innerhalb der zweiteiligen Netzwerke extrahiert und in Form von mehrskalen Blockmustern aufgedeckt.

Categorii:

Ai o intrebare? Iti stam la dispozitie :)
Ai nevoie de ajutor?Suntem si pe whatsapp