Разработка без программирования и применение в адаптивном режиме методик риэлтерской экспресс-оценки по методу аналогий (сравнительных продаж) в системно-когнитивном анализе и интеллектуальной системе "Эйдос"
Проблема и концепция ее решения, характеристика исходных данных. Этапы системно-когнитивного анализа и преобразование данных в информацию, а ее в знания в системе "Эйдос". Решение задач идентификации, прогнозирования, принятия решений в системе "Эйдос".
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 13.05.2017 |
| Размер файла | 3,7 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
296
94
89
МАРКА+МОДЕЛЬ-Mazda-3
296
94
90
МАРКА+МОДЕЛЬ-Mazda-6
507
160
91
МАРКА+МОДЕЛЬ-Mazda-CX5
844
267
92
МАРКА+МОДЕЛЬ-Mazda-CX7
-149
342
123
93
МАРКА+МОДЕЛЬ-Mercedes-E200
844
267
94
МАРКА+МОДЕЛЬ-Mercedes-E320
507
160
95
МАРКА+МОДЕЛЬ-Mercedes-E500
507
160
96
МАРКА+МОДЕЛЬ-Mercedes-GLK220
844
267
97
МАРКА+МОДЕЛЬ-Mercedes-ML350
844
267
98
МАРКА+МОДЕЛЬ-Mercedes-S320
1159
367
99
МАРКА+МОДЕЛЬ-Mercedes-С 180
507
160
100
МАРКА+МОДЕЛЬ-Mitsubishi-Galant
296
94
101
МАРКА+МОДЕЛЬ-Mitsubishi-Lancer
180
-55
61
102
МАРКА+МОДЕЛЬ-Mitsubishi-Outlander
226
563
184
103
МАРКА+МОДЕЛЬ-Mitsubishi-Padero Sport
507
160
104
МАРКА+МОДЕЛЬ-Mitsubishi-Pajero
296
94
105
МАРКА+МОДЕЛЬ-Mitsubishi-Pajero IV
61
399
714
244
106
МАРКА+МОДЕЛЬ-Nissan-Murаno
-149
61
399
140
107
МАРКА+МОДЕЛЬ-Nissan-Note
296
94
108
МАРКА+МОДЕЛЬ-Nissan-Pathfiender
844
267
109
МАРКА+МОДЕЛЬ-Nissan-Patrol
507
160
110
МАРКА+МОДЕЛЬ-Nissan-Qashqai
296
94
111
МАРКА+МОДЕЛЬ-Nissan-Teana
507
160
112
МАРКА+МОДЕЛЬ-Nissan-Tiida
296
94
113
МАРКА+МОДЕЛЬ-Nissan-X-Trail
-493
280
336
219
114
МАРКА+МОДЕЛЬ-Opel-Antara
296
94
115
МАРКА+МОДЕЛЬ-Opel-Astra
296
94
116
МАРКА+МОДЕЛЬ-Opel-Corsa
296
94
117
МАРКА+МОДЕЛЬ-Opel-Insignia
226
563
184
118
МАРКА+МОДЕЛЬ-Opel-Vektra
296
94
119
МАРКА+МОДЕЛЬ-Peugeot-308
296
94
120
МАРКА+МОДЕЛЬ-Porshe -Boxter
507
160
121
МАРКА+МОДЕЛЬ-Porshe -Cayne GTS
878
1051
409
122
МАРКА+МОДЕЛЬ-Porshe -Panamera
2431
769
123
МАРКА+МОДЕЛЬ-Range Rover-Evoque
507
160
124
МАРКА+МОДЕЛЬ-Range Rover-Sport
995
887
398
125
МАРКА+МОДЕЛЬ-Renault-Clio
296
94
126
МАРКА+МОДЕЛЬ-Renault-Duster
507
160
127
МАРКА+МОДЕЛЬ-Renault-Fluence
296
94
128
МАРКА+МОДЕЛЬ-Renault-Koleos
507
160
129
МАРКА+МОДЕЛЬ-Renault-Logan
296
94
130
МАРКА+МОДЕЛЬ-Renault-Megane 2
296
94
131
МАРКА+МОДЕЛЬ-Renault-Sandero
296
94
132
МАРКА+МОДЕЛЬ-Renault-Scenic
296
94
133
МАРКА+МОДЕЛЬ-Renault-Simbol
296
94
134
МАРКА+МОДЕЛЬ-Skoda-Fabia
296
94
135
МАРКА+МОДЕЛЬ-Skoda-Oktavia
296
94
136
МАРКА+МОДЕЛЬ-Ssang Yong-Action
296
94
137
МАРКА+МОДЕЛЬ-Ssang Yong-Rexton
296
94
138
МАРКА+МОДЕЛЬ-Subaru -Forester
-149
342
123
139
МАРКА+МОДЕЛЬ-Subaru -Impreza
296
94
140
МАРКА+МОДЕЛЬ-Subaru -Impreza XV
507
160
141
МАРКА+МОДЕЛЬ-Subaru -Outback
296
94
142
МАРКА+МОДЕЛЬ-Suzuki-Gr.Vitara
-266
390
157
143
МАРКА+МОДЕЛЬ-Toyota-Allion
296
94
144
МАРКА+МОДЕЛЬ-Toyota-Auris
296
94
145
МАРКА+МОДЕЛЬ-Toyota-Avalon
507
160
146
МАРКА+МОДЕЛЬ-Toyota-Avensis
296
94
147
МАРКА+МОДЕЛЬ-Toyota-Avensis New
507
160
148
МАРКА+МОДЕЛЬ-Toyota-Camry
-452
411
-350
231
149
МАРКА+МОДЕЛЬ-Toyota-Corolla
208
-156
87
150
МАРКА+МОДЕЛЬ-Toyota-Corolla Verso
15
226
71
151
МАРКА+МОДЕЛЬ-Toyota-Highlander
282
1043
332
152
МАРКА+МОДЕЛЬ-Toyota-Hilux
844
267
153
МАРКА+МОДЕЛЬ-Toyota-LC 100
-55
728
233
154
МАРКА+МОДЕЛЬ-Toyota-LC 200
995
887
398
155
МАРКА+МОДЕЛЬ-Toyota-LC 80
296
94
156
МАРКА+МОДЕЛЬ-Toyota-LC Prado 120
-384
796
292
157
МАРКА+МОДЕЛЬ-Toyota-LC Prado 150
913
1013
407
158
МАРКА+МОДЕЛЬ-Toyota-Prius
296
94
159
МАРКА+МОДЕЛЬ-Toyota-Rav 4
-547
367
118
223
160
МАРКА+МОДЕЛЬ-Toyota-Rav 4 Long
507
160
161
МАРКА+МОДЕЛЬ-Volkswagen-Caddy
15
226
71
162
МАРКА+МОДЕЛЬ-Volkswagen-Golf
296
94
163
МАРКА+МОДЕЛЬ-Volkswagen-Jetta
296
94
164
МАРКА+МОДЕЛЬ-Volkswagen-Passat
507
160
165
МАРКА+МОДЕЛЬ-Volkswagen-Passat Variant
844
267
166
МАРКА+МОДЕЛЬ-Volkswagen-Touareg
-103
606
723
289
167
МАРКА+МОДЕЛЬ-Volvo-S80
507
160
168
МАРКА+МОДЕЛЬ-Volvo-XC90
132
61
44
169
КУЗОВ-джип
-469
72
282
356
365
393
393
393
281
170
КУЗОВ-кабриолет
226
878
279
171
КУЗОВ-купе
132
-220
118
94
172
КУЗОВ-лифт
296
94
173
КУЗОВ-лифтбек
296
94
174
КУЗОВ-минивен
234
-282
122
175
КУЗОВ-НЛО
-266
-55
282
597
231
176
КУЗОВ-пикап
844
267
177
КУЗОВ-седан
112
33
-435
-736
362
304
178
КУЗОВ-унив
296
94
179
КУЗОВ-универсал
15
61
118
40
180
КУЗОВ-хэтч
296
94
181
КУЗОВ-хэтчб
296
94
182
КУЗОВ-хэтчбек
260
-492
184
183
ГОД ВЫПУСКА-1/10-{1996.0000000, 1997.7000000}
296
94
184
ГОД ВЫПУСКА-2/10-{1997.7000000, 1999.4000000}
296
94
185
ГОД ВЫПУСКА-3/10-{1999.4000000, 2001.1000000}
132
61
44
186
ГОД ВЫПУСКА-4/10-{2001.1000000, 2002.8000000}
296
94
187
ГОД ВЫПУСКА-5/10-{2002.8000000, 2004.5000000}
81
84
-305
108
188
ГОД ВЫПУСКА-6/10-{2004.5000000, 2006.2000000}
136
-180
55
78
189
ГОД ВЫПУСКА-7/10-{2006.2000000, 2007.9000000}
88
-9
-100
-347
118
190
ГОД ВЫПУСКА-8/10-{2007.9000000, 2009.6000000}
12
-28
-63
154
82
61
191
ГОД ВЫПУСКА-9/10-{2009.6000000, 2011.3000000}
-240
87
60
178
351
606
606
606
606
312
192
ГОД ВЫПУСКА-10/10-{2011.3000000, 2013.0000000}
-282
92
328
135
27
151
193
ПРОБЕГ-1/10-{1800.0000000, 47620.0000000}
-129
19
101
135
356
563
206
194
ПРОБЕГ-2/10-{47620.0000000, 93440.0000000}
21
-35
-10
2
-63
383
383
383
192
195
ПРОБЕГ-3/10-{93440.0000000, 139260.0000000}
70
29
-142
-225
88
196
ПРОБЕГ-4/10-{139260.0000000, 185080.0000000}
52
-37
-19
-76
-183
64
197
ПРОБЕГ-5/10-{185080.0000000, 230900.0000000}
-149
61
118
433
151
198
ПРОБЕГ-6/10-{230900.0000000, 276720.0000000}
15
226
71
199
ПРОБЕГ-7/10-{276720.0000000, 322540.0000000}
844
267
200
ПРОБЕГ-8/10-{322540.0000000, 368360.0000000}
507
160
201
ПРОБЕГ-9/10-{368360.0000000, 414180.0000000}
202
ПРОБЕГ-10/10-{414180.0000000, 460000.0000000}
296
94
203
ОБЬЕМ ДВИГАТЕЛЯ-1/10-{1.0000000, 1.4700000}
264
-533
196
204
ОБЬЕМ ДВИГАТЕЛЯ-2/10-{1.4700000, 1.9400000}
228
-288
-864
297
205
ОБЬЕМ ДВИГАТЕЛЯ-3/10-{1.9400000, 2.4100000}
-95
229
-33
83
206
ОБЬЕМ ДВИГАТЕЛЯ-4/10-{2.4100000, 2.8800000}
-376
280
172
-76
168
207
ОБЬЕМ ДВИГАТЕЛЯ-5/10-{2.8800000, 3.3500000}
-547
-55
411
543
208
294
208
ОБЬЕМ ДВИГАТЕЛЯ-6/10-{3.3500000, 3.8200000}
-887
50
169
538
657
685
455
209
ОБЬЕМ ДВИГАТЕЛЯ-7/10-{3.8200000, 4.2900000}
-337
654
35
654
311
210
ОБЬЕМ ДВИГАТЕЛЯ-8/10-{4.2900000, 4.7600000}
-463
250
772
573
1391
527
211
ОБЬЕМ ДВИГАТЕЛЯ-9/10-{4.7600000, 5.2300000}
135
506
680
1778
571
212
ОБЬЕМ ДВИГАТЕЛЯ-10/10-{5.2300000, 5.7000000}
61
1985
1704
778
213
ЦВЕТ-cеребро
844
267
214
ЦВЕТ-бежевый
45
-533
366
292
236
215
ЦВЕТ-бежевый металлик
296
94
216
ЦВЕТ-бел.перламутр
844
267
217
ЦВЕТ-белый
-206
72
96
246
-143
956
956
418
218
ЦВЕТ-бирюзовый
507
160
219
ЦВЕТ-бордовый
296
94
220
ЦВЕТ-вишневый
1159
367
221
ЦВЕТ-голубой
296
94
222
ЦВЕТ-голубой металлик
296
94
223
ЦВЕТ-графит
15
1051
332
224
ЦВЕТ-джинс
507
160
225
ЦВЕТ-зеленый
296
94
226
ЦВЕТ-золотистый
15
1051
332
227
ЦВЕТ-золото
296
94
228
ЦВЕТ-красный
186
-282
-391
-76
164
229
ЦВЕТ-оливковый
180
-55
61
230
ЦВЕТ-оранжевый
1333
421
231
ЦВЕТ-св.оливковый
296
94
232
ЦВЕТ-св.серый
507
160
233
ЦВЕТ-светло-голубой
296
94
234
ЦВЕТ-светло-серый
296
94
235
ЦВЕТ-светло-синий
296
94
236
ЦВЕТ-сереб-голубой
296
94
237
ЦВЕТ-серебристый
81
147
51
238
ЦВЕТ-серебро
70
-118
55
-283
55
105
239
ЦВЕТ-серо-голубой
-149
342
123
240
ЦВЕТ-серо-зеленый
15
226
71
241
ЦВЕТ-серо-синий
296
94
242
ЦВЕТ-серый
15
84
-305
175
120
243
ЦВЕТ-синий
223
-220
104
244
ЦВЕТ-сиреневый
296
94
245
ЦВЕТ-т.зеленый
296
94
246
ЦВЕТ-т.красый
296
94
247
ЦВЕТ-т.серый
152
19
48
248
ЦВЕТ-т.серый(титан)
507
160
249
ЦВЕТ-т.синий
89
-146
192
84
250
ЦВЕТ-темно-вишневый
507
160
251
ЦВЕТ-темно-красный
296
94
252
ЦВЕТ-темно-себристый
507
160
253
ЦВЕТ-темно-серый
-314
268
723
268
254
ЦВЕТ-темно-синий
15
226
71
255
ЦВЕТ-фиолетовый
296
94
256
ЦВЕТ-черно-синий
844
267
257
ЦВЕТ-черный
-146
55
158
209
27
473
473
207
258
КПП-А
-274
139
139
200
200
200
200
200
200
152
259
КПП-В
-595
178
515
269
260
КПП-Вар
15
563
178
261
КПП-М
248
-449
-803
299
262
КПП-робот
282
-859
295
263
ОТДЕЛКА САЛОНА-велюр
390
282
144
264
ОТДЕЛКА САЛОНА-кожа
-582
137
247
324
380
380
380
380
380
305
265
ОТДЕЛКА САЛОНА-комбинированный
-32
268
87
266
ОТДЕЛКА САЛОНА-ткань
174
-166
-323
-603
221
Созданы аналогичные модели с применением других частных критериев (таблица 9) преобразования матрицы абсолютных частот и матриц условных и безусловных процентных распределений в матрицы знаний, которые здесь не приводятся из-за ограниченного объема статьи.
При появлении новых данных и старении ранее использованных осуществляется пересинтез моделей на новых актуальных данных, что занимает несколько минут. Это обеспечивает эксплуатацию методики в адаптивном режиме. При необходимости она без труда может быть локализована для других фирм на их данных.
7. Выбор наиболее достоверной модели
В простейшем случае измерение достоверности моделей осуществляется путем решения задачи идентификации объектов обучающей выборки с использованием этих моделей. При этом объект считается относящимся к тому классу, о принадлежности к которому в его системе признаков содержится наиболее суммарное количество информации (это соответствует лемме Неймана-Пирсона). Количественно в СК-анализе и системе "Эйдос" эта степень сходства конкретного объекта с обобщенным образом класса рассчитывается с использованием двух интегральных критериев:
Интегральный критерий "Семантический резонанс знаний" представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3:
В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:
,
где: M - количество градаций описательных шкал (признаков);
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
В текущей версии системы "Эйдос-Х++" значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква "о" в слове "молоко" представлена 3 раза, а буква "м" - один раз).
Интегральный критерий "Семантический резонанс знаний" представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3 и имеет вид:
где: M - количество градаций описательных шкал (признаков);
- средняя информативность по вектору класса;
- среднее по вектору объекта;
- среднеквадратичное отклонение частных критериев знаний вектора класса;
- среднеквадратичное отклонение по вектору распознаваемого объекта.
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
В текущей версии системы "Эйдос-Х++" значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква "о" в слове "молоко" представлена 3 раза, а буква "м" - один раз).
Приведенное выражение для интегрального критерия "Семантический резонанс знаний" получается непосредственно из выражения для критерия "Сумма знаний" после замены координат перемножаемых векторов их стандартизированными значениями:
Свое наименование интегральный критерий сходства "Семантический резонанс знаний" получил потому, что по своей математической форме является корреляцией двух векторов: состояния j-го класса и состояния распознаваемого объекта.
Результаты измерения достоверности всех созданных моделей, и статистических, и когнитивных, представляются в соответствующей экранной форме (рисунок 8):
Рисунок 8. Экранная форма с результатами измерения достоверности моделей путем распознавания обучающей выборки
Как в СК-анализе и системе "Эйдос" измеряется достоверность модели? Чтобы ответить на этот вопрос необходимо рассмотреть различные виды верных и неверных прогнозов того, что осуществится и того, что не осуществится.
Рассмотрим, на примере с шестигранным игральным кубиком, различные виды прогнозов: положительный и отрицательный псевдопрогнозы, идеальный и реальный прогнозы.
Положительный псевдопрогноз
Предположим, модель дает такой прогноз: выпадет 1, 2, 3, 4, 5 или 6. В этом случае у нее будет 100% достоверность идентификации, т.е. не будет ни одного объекта, не отнесенного к тому классу, к которому он действительно относится, но при этом будет очень большая ошибка ложной идентификации, т.к. огромное количество объектов будет отнесено к классам, к которым они не относятся (и именно за счет этого у модели и будет очень высокая достоверность идентификации). Ясно, что такой прогноз бесполезен, поэтому он и назван мной псевдопрогнозом.
Отрицательный псевдопрогноз
Представим себе, что мы выбрасываем кубик с 6 гранями, и модель предсказывает, что не выпадет: 1, 2, 3, 4, 5 и 6, а что-то из этого естественно выпало. Конечно, модель дает ошибку в прогнозе в том плане, что не предсказала, что выпадет, зато она очень хорошо угадала, что не выпадет. Но ясно, что выпадет что-то одно, а не все, что предсказано, поэтому такого рода предсказания хорошо оправдываются в том, что не произошло и плохо в том, что произошло, т.е. в этом случае у модели будет 100% достоверность не идентификации, но очень низкая достоверность идентификации.
Идеальный прогноз
Если в случае с кубиком мы прогнозируем, что выпадет, например 1, и соответственно прогнозируем, что не выпадет 2, 3, 4, 5, и 6, то это идеальный прогноз, имеющий, если он осуществляется, 100% достоверность идентификации и не идентификации. Идеальный прогноз, который полностью снимает неопределенность о будущем состоянии объекта прогнозирования, на практике удается получить крайне редко и обычно мы имеем дело с реальным прогнозом.
Реальный прогноз
На практике мы чаще всего сталкиваемся именно с этим видом прогноза. Реальный прогноз уменьшает неопределенность о будущем состоянии объекта прогнозирования, но не полностью, как идеальный прогноз, а оставляет некоторую неопределенность не снятой. Например, для игрального кубика делается такой прогноз: выпадет 1 или 2, и, соответственно, не выпадет 3, 4, 5 или 6. Понятно, что полностью на практике такой прогноз не может осуществиться, т.к. варианты выпадения кубика альтернативны, т.е. не может выпасть одновременно и 1, и 2. Поэтому у реального прогноза всегда будет определенная ошибка идентификации. Соответственно, если не осуществится один или несколько из прогнозируемых вариантов, то возникнет и ошибка не идентификации, т.к. это не прогнозировалось моделью.
Теперь представите себе, что у Вас не 1 кубик и прогноз его поведения, а тысячи. Тогда можно посчитать средневзвешенные характеристики всех этих видов прогнозов.
Таким образом, если просуммировать проценты верной идентификации и не идентификации и вычесть проценты ложной идентификации и ложной не идентификации, то это и будет критерий качества модели, учитывающий как ее способность верно относить объекты к классам, которым они относятся, так и ее способность верно не относить объекты к тем классам, к которым они не относятся.
В системе "Эйдос" достоверность идентификации "k-й" категории (класса) Sk равна [12]:
N - количество объектов в распознаваемой выборке;
BTik- уровень сходства "i-го" объекта с "k-й" категорией, к которой он был правильно отнесен системой;
Tik - уровень сходства "i-го" объекта с "k-й" категорией, к которой он был правильно не отнесен системой;
BFik - уровень сходства "i-го" объекта с "k-й" категорией, к которой он был ошибочно отнесен системой;
Fik - уровень сходства "i-го" объекта с "k-й" категорией, к которой он был ошибочно не отнесен системой.
В системе есть выходные формы, в которых для расчета достоверности применяется данное выражение, но здесь мы их не приводим, т.к. это не входит в задачи данной статьи. Это и есть "золотая середина". Надо искать модель, наилучшую по этому критерию, а не такую, которая дает наивысшую достоверность идентификации саму по себе, т.к. в этом случае мы от модели отрицательного псевдопрогноза кинемся в другую крайность и придем к модели положительного псевдопрогноза. Этот критерий просчитывается в системе Эйдос в ряде выходных форм анализа результатов верификации модели (4.1.3.6 и т.д.).
Затем в соответствии с порядком преобразования данных в информацию, а ее в знания в СК-анализе и системе "Эйдос", представленным на рисунке 2, необходимо выбрать текущей моделью наиболее достоверную из них, с тем, чтобы затем решать в ней задачи идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области. В нашем случае наиболее достоверной оказалась модель INF1, основанная на семантической мере информации А.Харкевича Необходимо отметить, что в других случаях, т.е. при моделировании различных объектов, наиболее достоверными могут оказаться модели, основанные на других частных критериях знаний, приведенных в таблице 9.. Экранные формы режима присвоения наиболее достоверной или иной модели статуса текущей представлены на рисунке 9:
Рисунок 9. Экранные формы режима присвоения наиболее достоверной (или иной) модели статуса текущей
8. Решение задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области с применением наиболее достоверной модели
8.1 Задача идентификации и прогнозирования
После того, как наиболее достоверной модели присвоен статус текущей, необходимо выполнить в ней распознавание обучающей выборки, чтобы увидеть формы результатов идентификации в наиболее достоверной модели. Экранная форма отображения процесса исполнения режима пакетного распознавания приведена на рисунке 10а. В данной статье мы не будем приводить все выходные формы, перечисленные в экранной форме на рисунке 10а, а приведем пример лишь одной из них (рисунок 10б):
а)
б)
Рисунок 10. Экранные формы отображения процесса исполнения режима пакетного распознавания и отображения результатов идентификации
Птичкой: v отмечены результаты идентификации, соответствующие факту.
8.2 Задача принятия решений
Задача принятия решений является обратной по отношению к задаче идентификации: при идентификации по признакам конкретного объекта устанавливается его принадлежность к определенному обобщенному классу, а при принятии решений наоборот, по заданному классу выводится информация о наиболее характерных для него признаках. По сути это информационный портрет класса, содержащий информацию о том, какие признаки наиболее характерны и какие наиболее нехарактерны для данного класса (таблица 14, рисунок 11):
Таблица 14 - информационный портрет минимальной ценовой категории
|
№ |
Код |
Наименование |
Количество информации в битах |
|
|
1 |
3 |
МАРКА-Chevrolet |
0,2964642 |
|
|
2 |
116 |
МАРКА+МОДЕЛЬ-Opel-Corsa |
0,2964642 |
|
|
3 |
129 |
МАРКА+МОДЕЛЬ-Renault-Logan |
0,2964642 |
|
|
4 |
133 |
МАРКА+МОДЕЛЬ-Renault-Simbol |
0,2964642 |
|
|
5 |
21 |
МАРКА-Peugeot |
0,2964641 |
|
|
6 |
89 |
МАРКА+МОДЕЛЬ-Mazda-3 |
0,2964641 |
|
|
7 |
119 |
МАРКА+МОДЕЛЬ-Peugeot-308 |
0,2964641 |
|
|
8 |
130 |
МАРКА+МОДЕЛЬ-Renault-Megane 2 |
0,2964641 |
|
|
9 |
233 |
ЦВЕТ-светло-голубой |
0,2964641 |
|
|
10 |
5 |
МАРКА-Citroёn |
0,2964640 |
|
|
11 |
144 |
МАРКА+МОДЕЛЬ-Toyota-Auris |
0,2964640 |
|
|
12 |
146 |
МАРКА+МОДЕЛЬ-Toyota-Avensis |
0,2964640 |
|
|
13 |
47 |
МАРКА+МОДЕЛЬ-Citroёn-С 4 |
0,2964639 |
|
|
14 |
73 |
МАРКА+МОДЕЛЬ-Kia-Rio |
0,2964639 |
|
|
15 |
112 |
МАРКА+МОДЕЛЬ-Nissan-Tiida |
0,2964639 |
|
|
16 |
115 |
МАРКА+МОДЕЛЬ-Opel-Astra |
0,2964639 |
|
|
17 |
139 |
МАРКА+МОДЕЛЬ-Subaru -Impreza |
0,2964639 |
|
|
18 |
221 |
ЦВЕТ-голубой |
0,2964639 |
|
|
19 |
225 |
ЦВЕТ-зеленый |
0,2964639 |
|
|
20 |
4 |
МАРКА-Chrysler |
0,2964637 |
|
|
21 |
6 |
МАРКА-Dodge |
0,2964637 |
|
|
22 |
15 |
МАРКА-Lifan |
0,2964637 |
|
|
23 |
25 |
МАРКА-Skoda |
0,2964637 |
|
|
24 |
26 |
МАРКА-Ssang Yong |
0,2964637 |
|
|
25 |
32 |
МАРКА+МОДЕЛЬ-Audi-A4 |
0,2964637 |
|
|
26 |
42 |
МАРКА+МОДЕЛЬ-Chevrolet-Cruze |
0,2964637 |
|
|
27 |
43 |
МАРКА+МОДЕЛЬ-Chevrolet-Epica |
0,2964637 |
|
|
28 |
44 |
МАРКА+МОДЕЛЬ-Chevrolet-Lacetti |
0,2964637 |
|
|
29 |
45 |
МАРКА+МОДЕЛЬ-Chrysler-Sebring |
0,2964637 |
|
|
30 |
46 |
МАРКА+МОДЕЛЬ-Citroёn-C3 Picasso |
0,2964637 |
|
|
31 |
48 |
МАРКА+МОДЕЛЬ-Citroёn-С 5 |
0,2964637 |
|
|
32 |
49 |
МАРКА+МОДЕЛЬ-Dodge-Caliber |
0,2964637 |
|
|
33 |
50 |
МАРКА+МОДЕЛЬ-Ford-Escape XTL |
0,2964637 |
|
|
34 |
53 |
МАРКА+МОДЕЛЬ-Ford-Fusion |
0,2964637 |
|
|
35 |
54 |
МАРКА+МОДЕЛЬ-Ford-Galaxy |
0,2964637 |
|
|
36 |
55 |
МАРКА+МОДЕЛЬ-Ford-Mondeo |
0,2964637 |
|
|
37 |
56 |
МАРКА+МОДЕЛЬ-Ford-S-Max |
0,2964637 |
|
|
38 |
58 |
МАРКА+МОДЕЛЬ-Honda-Civic |
0,2964637 |
|
|
39 |
59 |
МАРКА+МОДЕЛЬ-Honda-Civic Hybrid |
0,2964637 |
|
|
40 |
61 |
МАРКА+МОДЕЛЬ-Hyundai-Getz |
0,2964637 |
|
|
41 |
64 |
МАРКА+МОДЕЛЬ-Hyundai-Solaris |
0,2964637 |
|
|
42 |
66 |
МАРКА+МОДЕЛЬ-Hyundai-Tucson |
0,2964637 |
|
|
43 |
70 |
МАРКА+МОДЕЛЬ-Kia-Carnival |
0,2964637 |
|
|
44 |
71 |
МАРКА+МОДЕЛЬ-Kia-Ceed |
0,2964637 |
|
|
45 |
72 |
МАРКА+МОДЕЛЬ-Kia-Cerato |
0,2964637 |
|
|
46 |
74 |
МАРКА+МОДЕЛЬ-Kia-Sorento |
0,2964637 |
|
|
47 |
77 |
МАРКА+МОДЕЛЬ-Land Rover-Range Rover |
0,2964637 |
|
|
48 |
88 |
МАРКА+МОДЕЛЬ-Lifan -Smily |
0,2964637 |
|
|
49 |
100 |
МАРКА+МОДЕЛЬ-Mitsubishi-Galant |
0,2964637 |
|
|
50 |
104 |
МАРКА+МОДЕЛЬ-Mitsubishi-Pajero |
0,2964637 |
|
|
51 |
107 |
МАРКА+МОДЕЛЬ-Nissan-Note |
0,2964637 |
|
|
52 |
110 |
МАРКА+МОДЕЛЬ-Nissan-Qashqai |
0,2964637 |
|
|
53 |
114 |
МАРКА+МОДЕЛЬ-Opel-Antara |
0,2964637 |
|
|
54 |
118 |
МАРКА+МОДЕЛЬ-Opel-Vektra |
0,2964637 |
|
|
55 |
125 |
МАРКА+МОДЕЛЬ-Renault-Clio |
0,2964637 |
|
|
56 |
127 |
МАРКА+МОДЕЛЬ-Renault-Fluence |
0,2964637 |
|
|
57 |
131 |
МАРКА+МОДЕЛЬ-Renault-Sandero |
0,2964637 |
|
|
58 |
132 |
МАРКА+МОДЕЛЬ-Renault-Scenic |
0,2964637 |
|
|
59 |
134 |
МАРКА+МОДЕЛЬ-Skoda-Fabia |
0,2964637 |
|
|
60 |
135 |
МАРКА+МОДЕЛЬ-Skoda-Oktavia |
0,2964637 |
|
|
61 |
136 |
МАРКА+МОДЕЛЬ-Ssang Yong-Action |
0,2964637 |
|
|
62 |
137 |
МАРКА+МОДЕЛЬ-Ssang Yong-Rexton |
0,2964637 |
|
|
63 |
141 |
МАРКА+МОДЕЛЬ-Subaru -Outback |
0,2964637 |
|
|
64 |
143 |
МАРКА+МОДЕЛЬ-Toyota-Allion |
0,2964637 |
|
|
65 |
155 |
МАРКА+МОДЕЛЬ-Toyota-LC 80 |
0,2964637 |
|
|
66 |
158 |
МАРКА+МОДЕЛЬ-Toyota-Prius |
0,2964637 |
|
|
67 |
162 |
МАРКА+МОДЕЛЬ-Volkswagen-Golf |
0,2964637 |
|
|
68 |
163 |
МАРКА+МОДЕЛЬ-Volkswagen-Jetta |
0,2964637 |
|
|
69 |
172 |
КУЗОВ-лифт |
0,2964637 |
|
|
70 |
173 |
КУЗОВ-лифтбек |
0,2964637 |
|
|
71 |
178 |
КУЗОВ-унив |
0,2964637 |
|
|
72 |
180 |
КУЗОВ-хэтч |
0,2964637 |
|
|
73 |
181 |
КУЗОВ-хэтчб |
0,2964637 |
|
|
74 |
183 |
ГОД ВЫПУСКА-1/10-{1996.0000000, 1997.7000000} |
0,2964637 |
|
|
75 |
184 |
ГОД ВЫПУСКА-2/10-{1997.7000000, 1999.4000000} |
0,2964637 |
|
|
76 |
186 |
ГОД ВЫПУСКА-4/10-{2001.1000000, 2002.8000000} |
0,2964637 |
|
|
77 |
202 |
ПРОБЕГ-10/10-{414180.0000000, 460000.0000000} |
0,2964637 |
|
|
78 |
215 |
ЦВЕТ-бежевый металлик |
0,2964637 |
|
|
79 |
219 |
ЦВЕТ-бордовый |
0,2964637 |
|
|
80 |
222 |
ЦВЕТ-голубой металлик |
0,2964637 |
|
|
81 |
227 |
ЦВЕТ-золото |
0,2964637 |
|
|
82 |
231 |
ЦВЕТ-св.оливковый |
0,2964637 |
|
|
83 |
234 |
ЦВЕТ-светло-серый |
0,2964637 |
|
|
84 |
235 |
ЦВЕТ-светло-синий |
0,2964637 |
|
|
85 |
236 |
ЦВЕТ-сереб-голубой |
0,2964637 |
|
|
86 |
241 |
ЦВЕТ-серо-синий |
0,2964637 |
|
|
87 |
244 |
ЦВЕТ-сиреневый |
0,2964637 |
|
|
88 |
245 |
ЦВЕТ-т.зеленый |
0,2964637 |
|
|
89 |
246 |
ЦВЕТ-т.красый |
0,2964637 |
|
|
90 |
251 |
ЦВЕТ-темно-красный |
0,2964637 |
|
|
91 |
255 |
ЦВЕТ-фиолетовый |
0,2964637 |
|
|
92 |
262 |
КПП-робот |
0,2822323 |
|
|
93 |
203 |
ОБЬЕМ ДВИГАТЕЛЯ-1/10-{1.0000000, 1.4700000} |
0,2640017 |
|
|
94 |
52 |
МАРКА+МОДЕЛЬ-Ford-Focus 2 |
0,2611755 |
|
|
95 |
182 |
КУЗОВ-хэтчбек |
0,2603902 |
|
|
96 |
7 |
МАРКА-Ford |
0,2537337 |
|
|
97 |
261 |
КПП-М |
0,2482584 |
|
|
98 |
24 |
МАРКА-Renault |
0,2370071 |
|
|
99 |
174 |
КУЗОВ-минивен |
0,2339462 |
|
|
100 |
204 |
ОБЬЕМ ДВИГАТЕЛЯ-2/10-{1.4700000, 1.9400000} |
0,2278930 |
|
|
101 |
243 |
ЦВЕТ-синий |
0,2225212 |
|
|
102 |
149 |
МАРКА+МОДЕЛЬ-Toyota-Corolla |
0,2084308 |
|
|
103 |
12 |
МАРКА-Kia |
0,2059653 |
|
|
104 |
228 |
ЦВЕТ-красный |
0,1861778 |
|
|
105 |
101 |
МАРКА+МОДЕЛЬ-Mitsubishi-Lancer |
0,1797911 |
|
|
106 |
229 |
ЦВЕТ-оливковый |
0,1797911 |
|
|
107 |
266 |
ОТДЕЛКА САЛОНА-ткань |
0,1744893 |
|
|
108 |
20 |
МАРКА-Opel |
0,1600034 |
|
|
109 |
247 |
ЦВЕТ-т.серый |
0,1518099 |
|
|
110 |
188 |
ГОД ВЫПУСКА-6/10-{2004.5000000, 2006.2000000} |
0,1361399 |
|
|
111 |
171 |
КУЗОВ-купе |
0,1320225 |
|
|
112 |
168 |
МАРКА+МОДЕЛЬ-Volvo-XC90 |
0,1320221 |
|
|
113 |
185 |
ГОД ВЫПУСКА-3/10-{1999.4000000, 2001.1000000} |
0,1320221 |
|
|
114 |
177 |
КУЗОВ-седан |
0,1117401 |
|
|
115 |
9 |
МАРКА-Hyundai |
0,1058480 |
|
|
116 |
27 |
МАРКА-Subaru |
0,1058480 |
|
|
117 |
16 |
МАРКА-Mazda |
0,0995601 |
|
|
118 |
8 |
МАРКА-Honda |
0,0892923 |
|
|
119 |
249 |
ЦВЕТ-т.синий |
0,0892923 |
|
|
120 |
189 |
ГОД ВЫПУСКА-7/10-{2006.2000000, 2007.9000000} |
0,0876402 |
|
|
121 |
187 |
ГОД ВЫПУСКА-5/10-{2002.8000000, 2004.5000000} |
0,0812609 |
|
|
122 |
237 |
ЦВЕТ-серебристый |
0,0812609 |
|
|
123 |
195 |
ПРОБЕГ-3/10-{93440.0000000, 139260.0000000} |
0,0695047 |
|
|
124 |
238 |
ЦВЕТ-серебро |
0,0695047 |
|
|
125 |
196 |
ПРОБЕГ-4/10-{139260.0000000, 185080.0000000} |
0,0522441 |
|
|
126 |
214 |
ЦВЕТ-бежевый |
0,0454048 |
|
|
127 |
194 |
ПРОБЕГ-2/10-{47620.0000000, 93440.0000000} |
0,0205158 |
|
|
128 |
31 |
МАРКА-Volvo |
0,0153493 |
|
|
129 |
179 |
КУЗОВ-универсал |
0,0153493 |
|
|
130 |
242 |
ЦВЕТ-серый |
0,0153493 |
|
|
131 |
38 |
МАРКА+МОДЕЛЬ-BMW-318 |
0,0153489 |
|
|
132 |
60 |
МАРКА+МОДЕЛЬ-Honda-CR-V |
0,0153489 |
|
|
133 |
63 |
МАРКА+МОДЕЛЬ-Hyundai-Santa Fe |
0,0153489 |
|
|
134 |
150 |
МАРКА+МОДЕЛЬ-Toyota-Corolla Verso |
0,0153489 |
|
|
135 |
161 |
МАРКА+МОДЕЛЬ-Volkswagen-Caddy |
0,0153489 |
|
|
136 |
198 |
ПРОБЕГ-6/10-{230900.0000000, 276720.0000000} |
0,0153489 |
|
|
137 |
223 |
ЦВЕТ-графит |
0,0153489 |
|
|
138 |
226 |
ЦВЕТ-золотистый |
0,0153489 |
|
|
139 |
240 |
ЦВЕТ-серо-зеленый |
0,0153489 |
|
|
140 |
254 |
ЦВЕТ-темно-синий |
0,0153489 |
|
|
141 |
260 |
КПП-Вар |
0,0153489 |
|
|
142 |
190 |
ГОД ВЫПУСКА-8/10-{2007.9000000, 2009.6000000} |
0,0122415 |
|
|
143 |
29 |
МАРКА-Toyota |
-0,0259300 |
|
|
144 |
265 |
ОТДЕЛКА САЛОНА-комбинированный |
-0,0324191 |
|
|
145 |
19 |
МАРКА-Nissan |
-0,0471685 |
|
|
146 |
18 |
МАРКА-Mitsubishi |
-0,0585935 |
|
|
147 |
205 |
ОБЬЕМ ДВИГАТЕЛЯ-3/10-{1.9400000, 2.4100000} |
-0,0953858 |
|
|
148 |
193 |
ПРОБЕГ-1/10-{1800.0000000, 47620.0000000} |
-0,1293048 |
|
|
149 |
257 |
ЦВЕТ-черный |
-0,1458607 |
|
|
150 |
197 |
ПРОБЕГ-5/10-{185080.0000000, 230900.0000000} |
-0,1490924 |
|
|
151 |
13 |
МАРКА-Land Rover |
-0,1490926 |
|
|
152 |
75 |
МАРКА+МОДЕЛЬ-Kia-Sportage |
-0,1490926 |
|
|
153 |
92 |
МАРКА+МОДЕЛЬ-Mazda-CX7 |
-0,1490926 |
|
|
154 |
106 |
МАРКА+МОДЕЛЬ-Nissan-Murаno |
-0,1490926 |
|
|
155 |
138 |
МАРКА+МОДЕЛЬ-Subaru -Forester |
-0,1490926 |
|
|
156 |
239 |
ЦВЕТ-серо-голубой |
-0,1490926 |
|
|
157 |
217 |
ЦВЕТ-белый |
-0,2063085 |
|
|
158 |
191 |
ГОД ВЫПУСКА-9/10-{2009.6000000, 2011.3000000} |
-0,2395910 |
|
|
159 |
28 |
МАРКА-Suzuki |
-0,2657654 |
|
|
160 |
142 |
МАРКА+МОДЕЛЬ-Suzuki-Gr.Vitara |
-0,2657654 |
|
|
161 |
175 |
КУЗОВ-НЛО |
-0,2657654 |
|
|
162 |
258 |
КПП-А |
-0,2741278 |
|
|
163 |
192 |
ГОД ВЫПУСКА-10/10-{2011.3000000, 2013.0000000} |
-0,2823214 |
|
|
164 |
30 |
МАРКА-Volkswagen |
-0,2903525 |
|
|
165 |
253 |
ЦВЕТ-темно-серый |
-0,3135340 |
|
|
166 |
82 |
МАРКА+МОДЕЛЬ-Lexus-IS 250 |
-0,3562642 |
|
|
167 |
206 |
ОБЬЕМ ДВИГАТЕЛЯ-4/10-{2.4100000, 2.8800000} |
-0,3760516 |
|
|
168 |
148 |
МАРКА+МОДЕЛЬ-Toyota-Camry |
-0,4521345 |
|
|
169 |
210 |
ОБЬЕМ ДВИГАТЕЛЯ-8/10-{4.2900000, 4.7600000} |
-0,4626695 |
|
|
170 |
169 |
КУЗОВ-джип |
-0,4693953 |
|
|
171 |
1 |
МАРКА-Audi |
-0,4927249 |
|
|
172 |
2 |
МАРКА-BMW |
-0,4927249 |
|
|
173 |
113 |
МАРКА+МОДЕЛЬ-Nissan-X-Trail |
-0,4927249 |
|
|
174 |
159 |
МАРКА+МОДЕЛЬ-Toyota-Rav 4 |
-0,5468801 |
|
|
175 |
207 |
ОБЬЕМ ДВИГАТЕЛЯ-5/10-{2.8800000, 3.3500000} |
-0,5468801 |
|
|
176 |
264 |
ОТДЕЛКА САЛОНА-кожа |
-0,5819340 |
|
|
177 |
259 |
КПП-В |
-0,5946488 |
|
|
178 |
208 |
ОБЬЕМ ДВИГАТЕЛЯ-6/10-{3.3500000, 3.8200000} |
-0,8868755 |
|
|
179 |
14 |
МАРКА-Lexus |
-1,0691861 |
Из таблицы 14 и рисунка 11 мы видим, что наиболее сильное влияние на принадлежность и непринадлежность к выбранной ценовой категории оказывает марка и модель автомобиля, а а также год выпуска, а пробег и другие характеристики оказывают значительно меньшее влияние.
Рисунок 11. Экранная форма информационного портрета наиболее низкой ценовой категории, показывающая признаки, наиболее характерные и наиболее нехарактерные для данного класса (выбрана опция "Вписать в окно")
Но в форме, представленной на рисунке 11, можно сделать фильтр по любой описательной шкале и получить результат ее метризации [7]. На рисунке 11 представлен результат метризации номинальной описательной шкалы: "Марка+модель" для данной ценовой категории, а на рисунке 12 показан результат метризации описательной шкалы: "КПП" (коробка передач) для данной ценовой категории:
Рисунок 12. Результат метризации описательной шкалы: "КПП" (коробка передач) для минимальной ценовой категории
Аналогично можно увидеть, как влияют любые описательные шкалы на принадлежность автомобиля к любой ценовой категории.
Информационные портреты признаков отражают, какое количество информации содержится в признаке (градации описательной шкалы) о принадлежности автомобиля с этим признаком к различным классам (рисунок 13):
Рисунок 13. Информационный портрет признака: "Отделка салона-ткань"
Из рисунка 13 мы видим, что этот признак говорит о принадлежности автомобиля к минимальной ценовой категории, и хотя и встречается в средней, но не характерен для нее, а высокой ценовой категории он вообще не встречается.
8.3 Задача исследования предметной области
Исследование модели корректно считать исследованием самого моделируемого объекта только в том случае, если модель достоверно отражает те его основные стороны, которые являются предметом исследования. В нашем случае достоверность модели составляет 82% и достаточна для этого (рисунок 8). Возможности исследования модели в системе "Эйдос" весьма многочисленны и разнообразны. Достаточно сказать, что в ней около 70 графических выходных форм и примерно столько же текстовых. Но здесь мы рассмотрим лишь некоторые возможности.
Рассмотрим, какую ценность имеют различные признаки (градации описательных шкал) и сами описательные шкалы для решения задач идентификации, прогнозирования и принятия решений.
Прежде всего, о том, что в СК-анализе и системе "Эйдос" понимается под ценностью признака и шкалы. Обратимся к таблице 13, в которой представлена в численной форме матрица информативности. Обратим внимание на количество информации, которое содержится в различных признаках о принадлежности и непринадлежности обладающих этими признаками объектов к различным классам. Мы видим, что это количество информации отличается по знаку и модулю. Положительное количество информации говорит о принадлежности объекта с признаком к классу, а отрицательное - о не принадлежности. Величина модуля отражает количество этой информации. С этой точки зрения все признаки можно условно разделить на три большие группы по их ценности:
- которые несут очень много информации о принадлежности и непринадлежности к классам;
- которые несут среднее количество информации о принадлежности и непринадлежности к классам;
- которые практически не содержат информации о принадлежности и непринадлежности к классам.
Как же отразить эту ценность количественно? По мнению авторов для этого достаточно использовать любую меру вариабельности информативности, например средний модель отклонения от среднего или среднеквадратичное отклонение от среднего. В СК-анализе и системе "Эйдос" принят второй вариант, т.е. для количественного измерения ценности признаков используется формула:
Таким образом, ценность признака - это вариабельность его информативности. Вместо термина "ценность" могут быть использованы его синонимы: "дифференцирующая способность", "значимость", "интегральная оценка информативности" или просто "интегральная информативность". Все эти термины применялись и применяются в СК-анализе.
В матрице информативности для каждого признака содержится его ценность. Все признаки могут быть ранжированы в порядке убывания их ценности. Если просуммировать нарастающим итогом ценность признаков, то получим логистическую кривую, отражающую выполнение закона Парето для ценности признаков (рисунок 14):
Рисунок 14. Ценность признаков нарастающим итогом (кривая Парето) в модели INF3 (хи-квадрат)
В данном случае закон Парето может быть сформулирован следующим образом: небольшая доля признаков содержит основной объем информации о предметной области, которая есть в ее модели, а большинство признаков суммарно содержат небольшую долю этой информации.
Эти малоценные признаки без ущерба для достоверности модели могут быть удалены из нее. Это операция в СК-анализе и системе "Эйдос" называется "Ортонормирование семантического пространства", т.к. в результате ее выполнения удаляются коррелирующие признаки и остаются практически независимые друг от друга, т.е. ортонормированные.
В таблице 15 все признаки приведены в порядке убывания их ценности в модели INF1:
Таблица 15 - Признаки в порядке убывания их ценности в модели INF1
|
№ |
Код |
Наименование |
Ценность (Бит) |
Ценность нарастающим итогом |
||
|
Бит |
% |
|||||
|
1 |
83 |
МАРКА+МОДЕЛЬ-Lexus-LX 570 |
0,8497165 |
0,8497165 |
1,7962333 |
|
|
2 |
212 |
ОБЬЕМ ДВИГАТЕЛЯ-10/10-{5.2300000, 5.7000000} |
0,7776283 |
1,6273448 |
3,4400779 |
|
|
3 |
81 |
МАРКА+МОДЕЛЬ-Lexus-GX460 |
0,7686913 |
2,3960361 |
5,0650303 |
|
|
4 |
122 |
МАРКА+МОДЕЛЬ-Porshe -Panamera |
0,7686913 |
3,1647274 |
6,6899828 |
|
|
5 |
41 |
МАРКА+МОДЕЛЬ-BMW-Х 6 |
0,6797950 |
3,8445224 |
8,1270155 |
|
|
6 |
14 |
МАРКА-Lexus |
0,6266198 |
4,4711422 |
9,4516401 |
|
|
7 |
22 |
МАРКА-Porshe |
0,6176001 |
5,0887423 |
10,7571977 |
|
|
8 |
211 |
ОБЬЕМ ДВИГАТЕЛЯ-9/10-{4.7600000, 5.2300000} |
0,5713310 |
5,6600733 |
11,9649462 |
|
|
9 |
210 |
ОБЬЕМ ДВИГАТЕЛЯ-8/10-{4.2900000, 4.7600000} |
0,5268304 |
6,1869037 |
13,0786239 |
|
|
10 |
2 |
МАРКА-BMW |
0,4826238 |
6,6695275 |
14,0988523 |
|
|
11 |
208 |
ОБЬЕМ ДВИГАТЕЛЯ-6/10-{3.3500000, 3.8200000} |
0,4548008 |
7,1243283 |
15,0602651 |
|
|
12 |
79 |
МАРКА+МОДЕЛЬ-Lexus-GS 350 |
0,4213832 |
7,5457115 |
15,9510358 |
|
|
13 |
230 |
ЦВЕТ-оранжевый |
0,4213832 |
7,9670947 |
16,8418065 |
|
|
14 |
217 |
ЦВЕТ-белый |
0,4181500 |
8,3852447 |
17,7257424 |
|
|
15 |
68 |
МАРКА+МОДЕЛЬ-Infinity-FX37s |
0,4088165 |
8,7940612 |
18,5899481 |
|
|
16 |
121 |
МАРКА+МОДЕЛЬ-Porshe -Cayne GTS |
0,4088165 |
9,2028777 |
19,4541538 |
|
|
17 |
157 |
МАРКА+МОДЕЛЬ-Toyota-LC Prado 150 |
0,4067355 |
9,6096132 |
20,3139603 |
|
|
18 |
154 |
МАРКА+МОДЕЛЬ-Toyota-LC 200 |
0,3975113 |
10,0071245 |
21,1542677 |
|
|
19 |
124 |
МАРКА+МОДЕЛЬ-Range Rover-Sport |
0,3975112 |
10,4046357 |
21,9945749 |
|
|
20 |
40 |
МАРКА+МОДЕЛЬ-BMW-Х 5 |
0,3665634 |
10,7711991 |
22,7694608 |
|
|
21 |
86 |
МАРКА+МОДЕЛЬ-Lexus-RX 450H |
0,3665634 |
11,1377625 |
23,5443468 |
|
|
22 |
87 |
МАРКА+МОДЕЛЬ-Lexus-SC 430 |
0,3665634 |
11,5043259 |
24,3192328 |
|
|
23 |
98 |
МАРКА+МОДЕЛЬ-Mercedes-S320 |
0,3665634 |
11,8708893 |
25,0941187 |
|
|
24 |
220 |
ЦВЕТ-вишневый |
0,3665634 |
12,2374527 |
25,8690047 |
|
|
25 |
23 |
МАРКА-Range Rover |
0,3517682 |
12,5892209 |
26,6126148 |
|
|
26 |
10 |
МАРКА-Infinity |
0,3450045 |
12,9342254 |
27,3419269 |
|
|
27 |
223 |
ЦВЕТ-графит |
0,3319827 |
13,2662081 |
28,0437120 |
|
|
28 |
226 |
ЦВЕТ-золотистый |
0,3319827 |
13,5981908 |
28,7454971 |
|
|
29 |
151 |
МАРКА+МОДЕЛЬ-Toyota-Highlander |
0,3318148 |
13,9300056 |
29,4469273 |
|
|
30 |
67 |
МАРКА+МОДЕЛЬ-Infinity-FX35 |
0,3127659 |
14,2427715 |
30,1080896 |
|
|
31 |
191 |
ГОД ВЫПУСКА-9/10-{2009.6000000, 2011.3000000} |
0,3116196 |
14,5543911 |
30,7668288 |
|
|
32 |
209 |
ОБЬЕМ ДВИГАТЕЛЯ-7/10-{3.8200000, 4.2900000} |
0,3105200 |
14,8649111 |
31,4232434 |
|
|
33 |
264 |
ОТДЕЛКА САЛОНА-кожа |
0,3046283 |
15,1695394 |
32,0672035 |
|
|
34 |
177 |
КУЗОВ-седан |
0,3039545 |
15,4734939 |
32,7097392 |
|
|
35 |
261 |
КПП-М |
0,2993140 |
15,7728079 |
33,3424653 |
|
|
36 |
204 |
ОБЬЕМ ДВИГАТЕЛЯ-2/10-{1.4700000, 1.9400000} |
0,2974324 |
16,0702403 |
33,9712138 |
|
|
37 |
262 |
КПП-робот |
0,2951396 |
16,3653799 |
34,5951155 |
|
|
38 |
207 |
ОБЬЕМ ДВИГАТЕЛЯ-5/10-{2.8800000, 3.3500000} |
0,2939742 |
16,6593541 |
35,2165536 |
|
|
39 |
156 |
МАРКА+МОДЕЛЬ-Toyota-LC Prado 120 |
0,2915569 |
16,9509110 |
35,8328818 |
|
|
40 |
166 |
МАРКА+МОДЕЛЬ-Volkswagen-Touareg |
0,2886062 |
17,2395172 |
36,4429724 |
|
|
41 |
169 |
КУЗОВ-джип |
0,2809885 |
17,5205057 |
37,0369598 |
|
|
42 |
170 |
КУЗОВ-кабриолет |
0,2789082 |
17,7994139 |
37,6265497 |
|
|
43 |
259 |
КПП-В |
0,2687211 |
18,0681350 |
38,1946048 |
|
|
44 |
253 |
ЦВЕТ-темно-серый |
0,2680239 |
18,3361589 |
38,7611860 |
|
|
45 |
33 |
МАРКА+МОДЕЛЬ-Audi-Q7 |
0,2669735 |
18,6031324 |
39,3255468 |
|
|
46 |
39 |
МАРКА+МОДЕЛЬ-BMW-Х 3 |
0,2669735 |
18,8701059 |
39,8899076 |
|
|
47 |
76 |
МАРКА+МОДЕЛЬ-Land Rover-Discavery 3 |
0,2669735 |
19,1370794 |
40,4542685 |
|
|
48 |
91 |
МАРКА+МОДЕЛЬ-Mazda-CX5 |
0,2669735 |
19,4040529 |
41,0186293 |
|
|
49 |
93 |
МАРКА+МОДЕЛЬ-Mercedes-E200 |
0,2669735 |
19,6710264 |
41,5829901 |
|
|
50 |
96 |
МАРКА+МОДЕЛЬ-Mercedes-GLK220 |
0,2669735 |
19,9379999 |
42,1473509 |
|
|
51 |
97 |
МАРКА+МОДЕЛЬ-Mercedes-ML350 |
0,2669735 |
20,2049734 |
42,7117117 |
|
|
52 |
108 |
МАРКА+МОДЕЛЬ-Nissan-Pathfiender |
0,2669735 |
20,4719469 |
43,2760725 |
|
|
53 |
152 |
МАРКА+МОДЕЛЬ-Toyota-Hilux |
0,2669735 |
20,7389204 |
43,8404333 |
|
|
54 |
165 |
МАРКА+МОДЕЛЬ-Volkswagen-Passat Variant |
0,2669735 |
21,0058939 |
44,4047941 |
|
|
55 |
176 |
КУЗОВ-пикап |
0,2669735 |
21,2728674 |
44,9691549 |
|
|
56 |
199 |
ПРОБЕГ-7/10-{276720.0000000, 322540.0000000} |
0,2669735 |
21,5398409 |
45,5335157 |
|
|
57 |
213 |
ЦВЕТ-cеребро |
0,2669735 |
21,8068144 |
46,0978766 |
|
|
58 |
216 |
ЦВЕТ-бел.перламутр |
0,2669735 |
22,0737879 |
46,6622374 |
|
|
59 |
256 |
ЦВЕТ-черно-синий |
0,2669735 |
22,3407614 |
47,2265982 |
|
|
60 |
84 |
МАРКА+МОДЕЛЬ-Lexus-RX 350 |
0,2527874 |
22,5935488 |
47,7609707 |
|
|
61 |
105 |
МАРКА+МОДЕЛЬ-Mitsubishi-Pajero IV |
0,2436365 |
22,8371853 |
48,2759989 |
|
|
62 |
214 |
ЦВЕТ-бежевый |
0,2364623 |
23,0736476 |
48,7758615 |
|
|
63 |
153 |
МАРКА+МОДЕЛЬ-Toyota-LC 100 |
0,2326766 |
23,3063242 |
49,2677214 |
|
|
64 |
148 |
МАРКА+МОДЕЛЬ-Toyota-Camry |
0,2310518 |
23,5373760 |
49,7561466 |
|
|
65 |
175 |
КУЗОВ-НЛО |
0,2305698 |
23,7679458 |
50,2435528 |
|
|
66 |
13 |
МАРКА-Land Rover |
0,2251407 |
23,9930865 |
50,7194824 |
|
|
67 |
159 |
МАРКА+МОДЕЛЬ-Toyota-Rav 4 |
0,2229078 |
24,2159943 |
51,1906918 |
|
|
68 |
0 |
Среднеквадратичное отклонение |
0,2216421 |
24,4376364 |
51,6592257 |
|
|
69 |
30 |
МАРКА-Volkswagen |
0,2214701 |
24,6591065 |
52,1273959 |
|
|
70 |
266 |
ОТДЕЛКА САЛОНА-ткань |
0,2213829 |
24,8804894 |
52,5953818 |
|
|
71 |
1 |
МАРКА-Audi |
0,2192412 |
25,0997306 |
53,0588403 |
|
|
72 |
113 |
МАРКА+МОДЕЛЬ-Nissan-X-Trail |
0,2192412 |
25,3189718 |
53,5222988 |
|
|
73 |
85 |
МАРКА+МОДЕЛЬ-Lexus-RX 400H |
0,2136889 |
25,5326607 |
53,9740202 |
|
|
74 |
257 |
ЦВЕТ-черный |
0,2067065 |
25,7393672 |
54,4109814 |
|
|
75 |
193 |
ПРОБЕГ-1/10-{1800.0000000, 47620.0000000} |
0,2055445 |
25,9449117 |
54,8454861 |
|
|
76 |
203 |
ОБЬЕМ ДВИГАТЕЛЯ-1/10-{1.0000000, 1.4700000} |
0,1963454 |
26,1412571 |
55,2605447 |
|
|
77 |
194 |
ПРОБЕГ-2/10-{47620.0000000, 93440.0000000} |
0,1921033 |
26,3333604 |
55,6666359 |
|
|
78 |
52 |
МАРКА+МОДЕЛЬ-Ford-Focus 2 |
0,1866103 |
26,5199707 |
56,0611153 |
|
|
79 |
17 |
МАРКА-Mercedes |
0,1847712 |
26,7047419 |
56,4517069 |
|
|
80 |
117 |
МАРКА+МОДЕЛЬ-Opel-Insignia |
0,1843420 |
26,8890839 |
56,8413913 |
|
|
81 |
80 |
МАРКА+МОДЕЛЬ-Lexus-GS 450H |
0,1843419 |
27,0734258 |
57,2310755 |
|
|
82 |
102 |
МАРКА+МОДЕЛЬ-Mitsubishi-Outlander |
0,1843419 |
27,2577677 |
57,6207596 |
|
|
83 |
182 |
КУЗОВ-хэтчбек |
0,1840547 |
27,4418224 |
58,0098367 |
|
|
84 |
82 |
МАРКА+МОДЕЛЬ-Lexus-IS 250 |
0,1825447 |
27,6243671 |
58,3957217 |
|
|
85 |
38 |
МАРКА+МОДЕЛЬ-BMW-318 |
0,1776034 |
27,8019705 |
58,7711612 |
|
|
86 |
63 |
МАРКА+МОДЕЛЬ-Hyundai-Santa Fe |
0,1776034 |
27,9795739 |
59,1466007 |
|
|
87 |
260 |
КПП-Вар |
0,1776034 |
28,1571773 |
59,5220402 |
|
|
88 |
206 |
ОБЬЕМ ДВИГАТЕЛЯ-4/10-{2.4100000, 2.8800000} |
0,1683083 |
28,3254856 |
59,8778306 |
|
|
89 |
78 |
МАРКА+МОДЕЛЬ-Lexus-GS 300 |
0,1678413 |
28,4933269 |
60,2326338 |
|
|
90 |
7 |
МАРКА-Ford |
0,1645568 |
28,6578837 |
60,5804938 |
|
|
91 |
228 |
ЦВЕТ-красный |
0,1636301 |
28,8215138 |
60,9263949 |
|
|
92 |
11 |
МАРКА-Jaguar |
0,1602767 |
28,9817905 |
61,2652071 |
|
|
93 |
34 |
МАРКА+МОДЕЛЬ-Audi-А 3 |
0,1602767 |
29,1420672 |
61,6040194 |
|
|
94 |
35 |
МАРКА+МОДЕЛЬ-Audi-А 6 |
0,1602767 |
29,3023439 |
61,9428316 |
|
|
95 |
36 |
МАРКА+МОДЕЛЬ-BMW-116 |
0,1602767 |
29,4626206 |
62,2816438 |
|
|
96 |
37 |
МАРКА+МОДЕЛЬ-BMW-118i |
0,1602767 |
29,6228973 |
62,6204561 |
|
|
97 |
51 |
МАРКА+МОДЕЛЬ-Ford-Expedition |
0,1602767 |
29,7831740 |
62,9592683 |
|
|
98 |
57 |
МАРКА+МОДЕЛЬ-Honda-Accord |
0,1602767 |
29,9434507 |
63,2980805 |
|
|
99 |
62 |
МАРКА+МОДЕЛЬ-Hyundai-IX35 |
0,1602767 |
30,1037274 |
63,6368928 |
|
|
100 |
65 |
МАРКА+МОДЕЛЬ-Hyundai-Sonata |
0,1602767 |
30,2640041 |
63,9757050 |
|
|
101 |
69 |
МАРКА+МОДЕЛЬ-Jaguar-XF |
0,1602767 |
30,4242808 |
64,3145172 |
|
|
102 |
90 |
МАРКА+МОДЕЛЬ-Mazda-6 |
0,1602767 |
30,5845575 |
64,6533295 |
|
|
103 |
94 |
МАРКА+МОДЕЛЬ-Mercedes-E320 |
0,1602767 |
30,7448342 |
64,9921417 |
|
|
104 |
95 |
МАРКА+МОДЕЛЬ-Mercedes-E500 |
0,1602767 |
30,9051109 |
65,3309539 |
|
|
105 |
99 |
МАРКА+МОДЕЛЬ-Mercedes-С 180 |
0,1602767 |
31,0653876 |
65,6697662 |
|
|
106 |
103 |
МАРКА+МОДЕЛЬ-Mitsubishi-Padero Sport |
0,1602767 |
31,2256643 |
66,0085784 |
|
|
107 |
109 |
МАРКА+МОДЕЛЬ-Nissan-Patrol |
0,1602767 |
31,3859410 |
66,3473907 |
|
|
108 |
111 |
МАРКА+МОДЕЛЬ-Nissan-Teana |
0,1602767 |
31,5462177 |
66,6862029 |
|
|
109 |
120 |
МАРКА+МОДЕЛЬ-Porshe -Boxter |
0,1602767 |
31,7064944 |
67,0250151 |
|
|
110 |
123 |
МАРКА+МОДЕЛЬ-Range Rover-Evoque |
0,1602767 |
31,8667711 |
67,3638274 |
|
|
111 |
126 |
МАРКА+МОДЕЛЬ-Renault-Duster |
0,1602767 |
32,0270478 |
67,7026396 |
|
|
112 |
128 |
МАРКА+МОДЕЛЬ-Renault-Koleos |
0,1602767 |
32,1873245 |
68,0414518 |
|
|
113 |
140 |
МАРКА+МОДЕЛЬ-Subaru -Impreza XV |
0,1602767 |
32,3476012 |
68,3802641 |
|
|
114 |
145 |
МАРКА+МОДЕЛЬ-Toyota-Avalon |
0,1602767 |
32,5078779 |
68,7190763 |
|
|
115 |
147 |
МАРКА+МОДЕЛЬ-Toyota-Avensis New |
0,1602767 |
32,6681546 |
69,0578885 |
|
|
116 |
160 |
МАРКА+МОДЕЛЬ-Toyota-Rav 4 Long |
0,1602767 |
32,8284313 |
69,3967008 |
|
|
117 |
164 |
МАРКА+МОДЕЛЬ-Volkswagen-Passat |
0,1602767 |
32,9887080 |
69,7355130 |
|
|
118 |
167 |
МАРКА+МОДЕЛЬ-Volvo-S80 |
0,1602767 |
33,1489847 |
70,0743252 |
|
|
119 |
200 |
ПРОБЕГ-8/10-{322540.0000000, 368360.0000000} |
0,1602767 |
33,3092614 |
70,4131375 |
|
|
120 |
218 |
ЦВЕТ-бирюзовый |
0,1602767 |
33,4695381 |
70,7519497 |
|
|
121 |
224 |
ЦВЕТ-джинс |
0,1602767 |
33,6298148 |
71,0907619 |
|
|
122 |
232 |
ЦВЕТ-св.серый |
0,1602767 |
33,7900915 |
71,4295742 |
|
|
123 |
248 |
ЦВЕТ-т.серый(титан) |
0,1602767 |
33,9503682 |
71,7683864 |
|
|
124 |
250 |
ЦВЕТ-темно-вишневый |
0,1602767 |
34,1106449 |
72,1071987 |
|
|
125 |
252 |
ЦВЕТ-темно-себристый |
0,1602767 |
34,2709216 |
72,4460109 |
|
|
126 |
28 |
МАРКА-Suzuki |
0,1568133 |
34,4277349 |
72,7775018 |
|
|
127 |
142 |
МАРКА+МОДЕЛЬ-Suzuki-Gr.Vitara |
0,1568133 |
34,5845482 |
73,1089927 |
|
|
128 |
258 |
КПП-А |
0,1522338 |
34,7367820 |
73,4308028 |
|
|
129 |
192 |
ГОД ВЫПУСКА-10/10-{2011.3000000, 2013.0000000} |
0,1511950 |
34,8879770 |
73,7504171 |
|
|
130 |
197 |
ПРОБЕГ-5/10-{185080.0000000, 230900.0000000} |
0,1511066 |
35,0390836 |
74,0698444 |
|
|
131 |
263 |
ОТДЕЛКА САЛОНА-велюр |
0,1439829 |
35,1830665 |
74,3742129 |
|
|
132 |
106 |
МАРКА+МОДЕЛЬ-Nissan-Murаno |
0,1395516 |
35,3226181 |
74,6692139 |
|
|
133 |
24 |
МАРКА-Renault |
0,1275806 |
35,4501987 |
74,9389092 |
|
|
134 |
75 |
МАРКА+МОДЕЛЬ-Kia-Sportage |
0,1228043 |
35,5730030 |
75,1985077 |
|
|
135 |
92 |
МАРКА+МОДЕЛЬ-Mazda-CX7 |
0,1228043 |
35,6958073 |
75,4581063 |
|
|
136 |
138 |
МАРКА+МОДЕЛЬ-Subaru -Forester |
0,1228043 |
35,8186116 |
75,7177048 |
|
|
137 |
239 |
ЦВЕТ-серо-голубой |
0,1228043 |
35,9414159 |
75,9773034 |
|
|
138 |
174 |
КУЗОВ-минивен |
0,1221191 |
36,0635350 |
76,2354535 |
|
|
139 |
242 |
ЦВЕТ-серый |
0,1204881 |
36,1840231 |
76,4901558 |
|
|
140 |
189 |
ГОД ВЫПУСКА-7/10-{2006.2000000, 2007.9000000} |
0,1176216 |
36,3016447 |
76,7387985 |
|
|
141 |
20 |
МАРКА-Opel |
0,1094941 |
36,4111388 |
76,9702603 |
|
|
142 |
187 |
ГОД ВЫПУСКА-5/10-{2002.8000000, 2004.5000000} |
0,1078617 |
36,5190005 |
77,1982714 |
|
|
143 |
238 |
ЦВЕТ-серебро |
0,1053315 |
36,6243320 |
77,4209339 |
|
|
144 |
243 |
ЦВЕТ-синий |
0,1042651 |
36,7285971 |
77,6413420 |
|
|
145 |
171 |
КУЗОВ-купе |
0,0939803 |
36,8225774 |
77,8400089 |
|
|
146 |
3 |
МАРКА-Chevrolet |
0,0937502 |
36,9163276 |
78,0381894 |
|
|
147 |
21 |
МАРКА-Peugeot |
0,0937502 |
37,0100778 |
78,2363699 |
|
|
148 |
89 |
МАРКА+МОДЕЛЬ-Mazda-3 |
0,0937502 |
37,1038280 |
78,4345504 |
|
|
149 |
116 |
МАРКА+МОДЕЛЬ-Opel-Corsa |
0,0937502 |
37,1975782 |
78,6327309 |
|
|
150 |
119 |
МАРКА+МОДЕЛЬ-Peugeot-308 |
0,0937502 |
37,2913284 |
78,8309114 |
|
|
151 |
129 |
МАРКА+МОДЕЛЬ-Renault-Logan |
0,0937502 |
37,3850786 |
79,0290919 |
|
|
152 |
130 |
МАРКА+МОДЕЛЬ-Renault-Megane 2 |
0,0937502 |
37,4788288 |
79,2272724 |
|
|
153 |
133 |
МАРКА+МОДЕЛЬ-Renault-Simbol |
0,0937502 |
37,5725790 |
79,4254528 |
|
|
154 |
233 |
ЦВЕТ-светло-голубой |
0,0937502 |
37,6663292 |
79,6236333 |
|
|
155 |
4 |
МАРКА-Chrysler |
0,0937501 |
37,7600793 |
79,8218136 |
|
|
156 |
5 |
МАРКА-Citroёn |
0,0937501 |
37,8538294 |
80,0199939 |
|
|
157 |
6 |
МАРКА-Dodge |
0,0937501 |
37,9475795 |
80,2181742 |
|
|
158 |
15 |
МАРКА-Lifan |
0,0937501 |
38,0413296 |
80,4163544 |
|
|
159 |
25 |
МАРКА-Skoda |
0,0937501 |
38,1350797 |
80,6145347 |
|
|
160 |
26 |
МАРКА-Ssang Yong |
0,0937501 |
38,2288298 |
80,8127150 |
|
|
161 |
32 |
МАРКА+МОДЕЛЬ-Audi-A4 |
0,0937501 |
38,3225799 |
81,0108953 |
|
|
162 |
42 |
МАРКА+МОДЕЛЬ-Chevrolet-Cruze |
0,0937501 |
38,4163300 |
81,2090756 |
|
|
163 |
43 |
МАРКА+МОДЕЛЬ-Chevrolet-Epica |
0,0937501 |
38,5100801 |
81,4072558 |
|
|
164 |
44 |
МАРКА+МОДЕЛЬ-Chevrolet-Lacetti |
0,0937501 |
38,6038302 |
81,6054361 |
|
|
165 |
45 |
МАРКА+МОДЕЛЬ-Chrysler-Sebring |
0,0937501 |
38,6975803 |
81,8036164 |
|
|
166 |
46 |
МАРКА+МОДЕЛЬ-Citroёn-C3 Picasso |
0,0937501 |
38,7913304 |
82,0017967 |
|
|
167 |
47 |
МАРКА+МОДЕЛЬ-Citroёn-С 4 |
0,0937501 |
38,8850805 |
82,1999769 |
|
|
168 |
48 |
МАРКА+МОДЕЛЬ-Citroёn-С 5 |
0,0937501 |
38,9788306 |
82,3981572 |
|
|
169 |
49 |
МАРКА+МОДЕЛЬ-Dodge-Caliber |
0,0937501 |
39,0725807 |
82,5963375 |
|
|
170 |
50 |
МАРКА+МОДЕЛЬ-Ford-Escape XTL |
0,0937501 |
39,1663308 |
82,7945178 |
|
|
171 |
53 |
МАРКА+МОДЕЛЬ-Ford-Fusion |
0,0937501 |
39,2600809 |
82,9926981 |
|
|
172 |
54 |
МАРКА+МОДЕЛЬ-Ford-Galaxy |
0,0937501 |
39,3538310 |
83,1908783 |
|
|
173 |
55 |
МАРКА+МОДЕЛЬ-Ford-Mondeo |
0,0937501 |
39,4475811 |
83,3890586 |
|
|
174 |
56 |
МАРКА+МОДЕЛЬ-Ford-S-Max |
0,0937501 |
39,5413312 |
83,5872389 |
|
|
175 |
58 |
МАРКА+МОДЕЛЬ-Honda-Civic |
0,0937501 |
39,6350813 |
83,7854192 |
|
|
176 |
59 |
МАРКА+МОДЕЛЬ-Honda-Civic Hybrid |
0,0937501 |
39,7288314 |
83,9835994 |
|
|
177 |
61 |
МАРКА+МОДЕЛЬ-Hyundai-Getz |
0,0937501 |
39,8225815 |
84,1817797 |
|
|
178 |
64 |
МАРКА+МОДЕЛЬ-Hyundai-Solaris |
0,0937501 |
39,9163316 |
84,3799600 |
|
|
179 |
66 |
МАРКА+МОДЕЛЬ-Hyundai-Tucson |
0,0937501 |
40,0100817 |
84,5781403 |
|
|
180 |
70 |
МАРКА+МОДЕЛЬ-Kia-Carnival |
0,0937501 |
40,1038318 |
84,7763206 |
|
|
181 |
71 |
МАРКА+МОДЕЛЬ-Kia-Ceed |
0,0937501 |
40,1975819 |
84,9745008 |
|
|
182 |
72 |
МАРКА+МОДЕЛЬ-Kia-Cerato |
0,0937501 |
40,2913320 |
85,1726811 |
|
|
183 |
73 |
МАРКА+МОДЕЛЬ-Kia-Rio |
0,0937501 |
40,3850821 |
85,3708614 |
|
|
184 |
74 |
МАРКА+МОДЕЛЬ-Kia-Sorento |
0,0937501 |
40,4788322 |
85,5690417 |
|
|
185 |
77 |
МАРКА+МОДЕЛЬ-Land Rover-Range Rover |
0,0937501 |
40,5725823 |
85,7672219 |
|
|
186 |
88 |
МАРКА+МОДЕЛЬ-Lifan -Smily |
0,0937501 |
40,6663324 |
85,9654022 |
|
|
187 |
100 |
МАРКА+МОДЕЛЬ-Mitsubishi-Galant |
0,0937501 |
40,7600825 |
86,1635825 |
|
|
188 |
104 |
МАРКА+МОДЕЛЬ-Mitsubishi-Pajero |
0,0937501 |
40,8538326 |
86,3617628 |
|
|
189 |
107 |
МАРКА+МОДЕЛЬ-Nissan-Note |
0,0937501 |
40,9475827 |
86,5599431 |
|
|
190 |
110 |
МАРКА+МОДЕЛЬ-Nissan-Qashqai |
0,0937501 |
41,0413328 |
86,7581233 |
|
|
191 |
112 |
МАРКА+МОДЕЛЬ-Nissan-Tiida |
0,0937501 |
41,1350829 |
86,9563036 |
|
|
192 |
114 |
МАРКА+МОДЕЛЬ-Opel-Antara |
0,0937501 |
41,2288330 |
87,1544839 |
|
|
193 |
115 |
МАРКА+МОДЕЛЬ-Opel-Astra |
0,0937501 |
41,3225831 |
87,3526642 |
|
|
194 |
118 |
МАРКА+МОДЕЛЬ-Opel-Vektra |
0,0937501 |
41,4163332 |
87,5508444 |
|
|
195 |
125 |
МАРКА+МОДЕЛЬ-Renault-Clio |
0,0937501 |
41,5100833 |
87,7490247 |
|
|
196 |
127 |
МАРКА+МОДЕЛЬ-Renault-Fluence |
0,0937501 |
41,6038334 |
87,9472050 |
|
|
197 |
131 |
МАРКА+МОДЕЛЬ-Renault-Sandero |
0,0937501 |
41,6975835 |
88,1453853 |
|
|
198 |
132 |
МАРКА+МОДЕЛЬ-Renault-Scenic |
0,0937501 |
41,7913336 |
88,3435656 |
|
|
199 |
134 |
МАРКА+МОДЕЛЬ-Skoda-Fabia |
0,0937501 |
41,8850837 |
88,5417458 |
|
|
200 |
135 |
МАРКА+МОДЕЛЬ-Skoda-Oktavia |
0,0937501 |
41,9788338 |
88,7399261 |
|
|
201 |
136 |
МАРКА+МОДЕЛЬ-Ssang Yong-Action |
0,0937501 |
42,0725839 |
88,9381064 |
|
|
202 |
137 |
МАРКА+МОДЕЛЬ-Ssang Yong-Rexton |
0,0937501 |
42,1663340 |
89,1362867 |
|
|
203 |
139 |
МАРКА+МОДЕЛЬ-Subaru -Impreza |
0,0937501 |
42,2600841 |
89,3344669 |
|
|
204 |
141 |
МАРКА+МОДЕЛЬ-Subaru -Outback |
0,0937501 |
42,3538342 |
89,5326472 |
|
|
205 |
143 |
МАРКА+МОДЕЛЬ-Toyota-Allion |
0,0937501 |
42,4475843 |
89,7308275 |
|
|
206 |
144 |
МАРКА+МОДЕЛЬ-Toyota-Auris |
0,0937501 |
42,5413344 |
89,9290078 |
|
|
207 |
146 |
МАРКА+МОДЕЛЬ-Toyota-Avensis |
0,0937501 |
42,6350845 |
90,1271881 |
|
|
208 |
155 |
МАРКА+МОДЕЛЬ-Toyota-LC 80 |
0,0937501 |
42,7288346 |
90,3253683 |
|
|
209 |
158 |
МАРКА+МОДЕЛЬ-Toyota-Prius |
0,0937501 |
42,8225847 |
90,5235486 |
|
|
210 |
162 |
МАРКА+МОДЕЛЬ-Volkswagen-Golf |
0,0937501 |
42,9163348 |
90,7217289 |
|
|
211 |
163 |
МАРКА+МОДЕЛЬ-Volkswagen-Jetta |
0,0937501 |
43,0100849 |
90,9199092 |
|
|
212 |
172 |
КУЗОВ-лифт |
0,0937501 |
43,1038350 |
91,1180894 |
|
|
213 |
173 |
КУЗОВ-лифтбек |
0,0937501 |
43,1975851 |
91,3162697 |
|
|
214 |
178 |
КУЗОВ-унив |
0,0937501 |
43,2913352 |
91,5144500 |
|
|
215 |
180 |
КУЗОВ-хэтч |
0,0937501 |
43,3850853 |
91,7126303 |
|
|
216 |
181 |
КУЗОВ-хэтчб |
0,0937501 |
43,4788354 |
91,9108106 |
|
|
217 |
183 |
ГОД ВЫПУСКА-1/10-{1996.0000000, 1997.7000000} |
0,0937501 |
43,5725855 |
92,1089908 |
|
|
218 |
184 |
ГОД ВЫПУСКА-2/10-{1997.7000000, 1999.4000000} |
0,0937501 |
43,6663356 |
92,3071711 |
|
|
219 |
186 |
ГОД ВЫПУСКА-4/10-{2001.1000000, 2002.8000000} |
0,0937501 |
43,7600857 |
92,5053514 |
|
|
220 |
202 |
ПРОБЕГ-10/10-{414180.0000000, 460000.0000000} |
0,0937501 |
43,8538358 |
92,7035317 |
|
|
221 |
215 |
ЦВЕТ-бежевый металлик |
0,0937501 |
43,9475859 |
92,9017119 |
|
|
222 |
219 |
ЦВЕТ-бордовый |
0,0937501 |
44,0413360 |
93,0998922 |
|
|
223 |
221 |
ЦВЕТ-голубой |
0,0937501 |
44,1350861 |
93,2980725 |
|
|
224 |
222 |
ЦВЕТ-голубой металлик |
0,0937501 |
44,2288362 |
93,4962528 |
|
|
225 |
225 |
ЦВЕТ-зеленый |
0,0937501 |
44,3225863 |
93,6944331 |
|
|
226 |
227 |
ЦВЕТ-золото |
0,0937501 |
44,4163364 |
93,8926133 |
|
|
227 |
231 |
ЦВЕТ-св.оливковый |
0,0937501 |
44,5100865 |
94,0907936 |
|
|
228 |
234 |
ЦВЕТ-светло-серый |
0,0937501 |
44,6038366 |
94,2889739 |
|
|
229 |
235 |
ЦВЕТ-светло-синий |
0,0937501 |
44,6975867 |
94,4871542 |
|
|
230 |
236 |
ЦВЕТ-сереб-голубой |
0,0937501 |
44,7913368 |
94,6853344 |
|
|
231 |
241 |
ЦВЕТ-серо-синий |
0,0937501 |
44,8850869 |
94,8835147 |
|
|
232 |
244 |
ЦВЕТ-сиреневый |
0,0937501 |
44,9788370 |
95,0816950 |
|
|
233 |
245 |
ЦВЕТ-т.зеленый |
0,0937501 |
45,0725871 |
95,2798753 |
|
|
234 |
246 |
ЦВЕТ-т.красый |
0,0937501 |
45,1663372 |
95,4780556 |
|
|
235 |
251 |
ЦВЕТ-темно-красный |
0,0937501 |
45,2600873 |
95,6762358 |
|
|
236 |
255 |
ЦВЕТ-фиолетовый |
0,0937501 |
45,3538374 |
95,8744161 |
|
|
237 |
195 |
ПРОБЕГ-3/10-{93440.0000000, 139260.0000000} |
0,0876104 |
45,4414478 |
96,0596176 |
|
|
238 |
265 |
ОТДЕЛКА САЛОНА-комбинированный |
0,0866332 |
45,5280810 |
96,2427533 |
|
|
239 |
149 |
МАРКА+МОДЕЛЬ-Toyota-Corolla |
0,0865854 |
45,6146664 |
96,4257879 |
|
|
240 |
249 |
ЦВЕТ-т.синий |
0,0844030 |
45,6990694 |
96,6042092 |
|
|
241 |
12 |
МАРКА-Kia |
0,0838943 |
45,7829637 |
96,7815551 |
|
|
242 |
205 |
ОБЬЕМ ДВИГАТЕЛЯ-3/10-{1.9400000, 2.4100000} |
0,0828158 |
45,8657795 |
96,9566211 |
|
|
243 |
188 |
ГОД ВЫПУСКА-6/10-{2004.5000000, 2006.2000000} |
0,0775363 |
45,9433158 |
97,1205267 |
|
|
244 |
16 |
МАРКА-Mazda |
0,0735625 |
46,0168783 |
97,2760320 |
|
|
245 |
31 |
МАРКА-Volvo |
0,0710052 |
46,0878835 |
97,4261314 |
|
|
246 |
60 |
МАРКА+МОДЕЛЬ-Honda-CR-V |
0,0710051 |
46,1588886 |
97,5762305 |
|
|
247 |
150 |
МАРКА+МОДЕЛЬ-Toyota-Corolla Verso |
0,0710051 |
46,2298937 |
97,7263297 |
|
|
248 |
161 |
МАРКА+МОДЕЛЬ-Volkswagen-Caddy |
0,0710051 |
46,3008988 |
97,8764288 |
|
|
249 |
198 |
ПРОБЕГ-6/10-{230900.0000000, 276720.0000000} |
0,0710051 |
46,3719039 |
98,0265280 |
|
|
250 |
240 |
ЦВЕТ-серо-зеленый |
0,0710051 |
46,4429090 |
98,1766271 |
|
|
251 |
254 |
ЦВЕТ-темно-синий |
0,0710051 |
46,5139141 |
98,3267263 |
|
|
252 |
19 |
МАРКА-Nissan |
0,0660654 |
46,5799795 |
98,4663833 |
|
|
253 |
196 |
ПРОБЕГ-4/10-{139260.0000000, 185080.0000000} |
0,0640074 |
46,6439869 |
98,6016899 |
|
|
254 |
18 |
МАРКА-Mitsubishi |
0,0637283 |
46,7077152 |
98,7364064 |
|
|
255 |
101 |
МАРКА+МОДЕЛЬ-Mitsubishi-Lancer |
0,0613236 |
46,7690388 |
98,8660397 |
|
|
256 |
229 |
ЦВЕТ-оливковый |
0,0613236 |
46,8303624 |
98,9956729 |
|
|
257 |
190 |
ГОД ВЫПУСКА-8/10-{2007.9000000, 2009.6000000} |
0,0605403 |
46,8909027 |
99,1236503 |
|
|
258 |
29 |
МАРКА-Toyota |
0,0554162 |
46,9463189 |
99,2407957 |
|
|
259 |
237 |
ЦВЕТ-серебристый |
0,0505499 |
46,9968688 |
99,3476542 |
|
|
260 |
8 |
МАРКА-Honda |
0,0485551 |
47,0454239 |
99,4502958 |
|
|
261 |
247 |
ЦВЕТ-т.серый |
0,0477122 |
47,0931361 |
99,5511557 |
|
|
262 |
27 |
МАРКА-Subaru |
0,0453111 |
47,1384472 |
99,6469397 |
|
|
263 |
168 |
МАРКА+МОДЕЛЬ-Volvo-XC90 |
0,0440312 |
47,1824784 |
99,7400182 |
|
|
264 |
185 |
ГОД ВЫПУСКА-3/10-{1999.4000000, 2001.1000000} |
0,0440312 |
47,2265096 |
99,8330967 |
|
|
265 |
179 |
КУЗОВ-универсал |
0,0395013 |
47,2660109 |
99,9165993 |
|
|
266 |
9 |
МАРКА-Hyundai |
0,0394531 |
47,3054640 |
100,0000000 |
|
|
267 |
0 |
Сумма |
0,0000000 |
47,3054640 |
100,0000000 |
|
|
268 |
0 |
Среднее |
0,0000000 |
47,3054640 |
100,0000000 |
|
|
269 |
201 |
ПРОБЕГ-9/10-{368360.0000000, 414180.0000000} |
0,0000000 |
47,3054640 |
100,0000000 |
Из таблицы 15 видно, что в модели INF1 65 признаков из 269 содержат 50% суммарной ценности модели, т.в этой модели е. примерно четверть признаков содержит 50% значимости. В модели INF3 (хи-квадрат) разница в ценности признаков еще более выраженная (рисунок 14).
Ценность шкалы в системе "Эйдос" определяется как средняя ценности ее градаций. На рисунке 15 приведена ценность шкал модели INF3 нарастающим итогом:
Рисунок 15. Ценность шкал нарастающим итогом в модели INF3
В таблице 16 приведена значимость описательных шкал в модели INF1
Таблица 16 - Значимость описательных шкал в модели INF1
|
№ |
Код шкалы |
Наименование шкалы |
Значимость шкалы |
||
|
Бит |
% |
||||
|
1 |
6 |
ОБЬЕМ ДВИГАТЕЛЯ |
0,3679987 |
21,5700218 |
|
|
2 |
8 |
КПП |
0,2386024 |
13,9855357 |
|
|
3 |
9 |
ОТДЕЛКА САЛОНА |
0,1891568 |
11,0873117 |
|
|
4 |
2 |
МАРКА+МОДЕЛЬ |
0,1789073 |
10,4865435 |
|
|
5 |
1 |
МАРКА |
0,1706437 |
10,0021775 |
|
|
6 |
3 |
КУЗОВ |
0,1621286 |
9,5030701 |
|
|
7 |
7 |
ЦВЕТ |
0,1542246 |
9,0397819 |
|
|
8 |
5 |
ПРОБЕГ |
0,1292378 |
7,5751957 |
|
|
9 |
4 |
ГОД ВЫПУСКА |
0,1151656 |
6,7503622 |
Из таблицы 16 видно, что стоимость модели в основном определяется объемом двигателя, типом коробки передач отделкой салона, маркой и моделью, а пробег и год выпуска играют меньшую роль.
Рассмотрим теперь наглядную визуализацию выявленных зависимостей между признаками автомобилей и их принадлежностью к той или иной ценовой категории в виде когнитивных функций.
Когнитивная функция представляет собой наглядную визуализацию в виде цвета количества информации, содержащегося в градациях описательной шкалы (признаках) о принадлежности объекта с этими признаками к градации классификационной шкалы (классу), в которой количество информации отображается цветом [13].
Ниже на ринунке 16 приведены когнитивные функции зависимости цены подержанного автомобиля от отделки салона, марки, типа кузова, года выпуска, пробега, объема двигателя, цвета, типа коробки передач:
Рисунок 16. Когнитивные функции зависимости цены подержанного автомобиля от отделки салона, марки, типа кузова, года выпуска, пробега, объема двигателя, цвета, типа коробки передач
Отметим, что в системе "Эйдос" реализован режим адаптивных интервалов (см. рисунок 3), обеспечивающий исследование исходных данных и построение таких интервалов разного размера, что в них оказывается практически одинаковое число примеров. Это позволяет ставить отсчеты тем чаще, чем больше кривизна отображаемой на них кривой. Он обеспечивает другие параметры модели, в частности достоверность.
Выводы и результаты
В статье на реальном численном примере автомобилей с пробегом рассмотрены вопросы разработки без программирования и применения в адаптивном режиме риэлтерской методики экспресс-оценки по методу аналогий (сравнительных продаж) с применением системно-когнитивного анализа и интеллектуальной системы "Эйдос". Уровень сложности необходимых работ соответствует лабораторной работе по системам искусственного интеллекта и представлению знаний
Непосредственно на основе эмпирических данных получены коэффициенты, корректирующие цену с учетом числовых и текстовых показателей автомобилей.
Измерительные шкалы номинального типа метризованы до числового типа.
Все шкалы, измеряемые в разных единицах измерения, преобразованы в общие единицы количества информации, что обеспечивает совместную сопоставимую обработку результатов измерений, полученных в этих шкалах.
Такими образом, системно-когнитивный анализ и система "Эйдос" являются инструментом для построения без программирования измерительных методик, обеспечивающих измерение степени выраженности социально-экономических свойств объектов и систем, причем эти методики могут применяться в адаптивном режиме.
Подобные документы
Общая характеристика экспертных программ как систем искусственного интеллекта. Описание реализации в реляционной системе управления базами данных. Рассмотрение особенностей интеграции объектных таблиц принятия решения в проект по распознаванию символов.
дипломная работа [662,5 K], добавлен 20.07.2015Интеллектуальный анализ данных как метод поддержки принятия решений, основанный на анализе зависимостей между данными, его роль, цели и условия применения. Сущность основных задач интеллектуального анализа: классификации, регрессии, прогнозирования.
контрольная работа [25,8 K], добавлен 08.08.2013Предмет и этапы когнитивного анализа задач, его основные методы и их реализация на псевдокодовом языке. Виды факторов, использующихся при когнитивном моделировании систем. Предъявляемые к библиотеке требования, оценка ее экономической эффективности.
дипломная работа [1,3 M], добавлен 29.01.2013Операции в системе управления базами данных (СУБД). MS Access как функционально полная реляционная СУБД. Разработка реляционных моделей баз данных экономического направления. Применение прикладных программ для решения экономико-управленческих задач.
курсовая работа [2,1 M], добавлен 14.01.2015Классификация систем поддержки принятия решений. Сравнительный анализ методик для оценки рисков розничного кредитования. Структура системы поддержки принятия решений, формирование начальной базы знаний. Проектирование базы данных информационной системы.
дипломная работа [1,9 M], добавлен 10.07.2017Анализ применения нейронных сетей для прогнозирования ситуации и принятия решений на фондовом рынке с помощью программного пакета моделирования нейронных сетей Trajan 3.0. Преобразование первичных данных, таблиц. Эргономическая оценка программы.
дипломная работа [3,8 M], добавлен 27.06.2011Краткие сведения о системах принятия решения в режиме показа формул и в режиме пользователя. Принципы решения задач оптимизации. Построение математической модели. Диаграмма "Оптимизация плана перевозок". Создание таблицы БД в Access: база данных, запросы.
курсовая работа [482,3 K], добавлен 12.08.2012Разработка подсистем анализа веб-сайта с помощью Microsoft Access и Olap-технологий. Теоретические аспекты разработки подсистемы анализа данных в информационной системе музыкального портала. Olap-технологии в подсистеме анализа объекта исследования.
курсовая работа [864,8 K], добавлен 06.11.2009Концепции хранилищ данных для анализа и их составляющие: интеграции и согласования данных из различных источников, разделения наборов данных для систем обработки транзакций и поддержки принятия решений. Архитектура баз для хранилищ и витрины данных.
реферат [1,3 M], добавлен 25.03.2013Теоретическая основа линейного программирования. Задачи линейного программирования, методы решения. Анализ оптимального решения. Решение одноиндексной задачи линейного программирования. Постановка задачи и ввод данных. Построение модели и этапы решения.
курсовая работа [132,0 K], добавлен 09.12.2008
