95
нормирующий множитель. Информационные веса интерпретируются как мера прогностической
важности параметров.
2. Оптимальные значения порогов
, т. е. значения
, обеспечивающие наивысшую точ-
ность распознавания. Эти значения порогов в нашем случае можно .интерпретировать как чув-
ствительность методики; ε
j
- своего рода дифференциальный порог на шкале тестового показате-
ля
a
j
определяющий переход индивида из одной диагностической категории в другую. Пусть на
этапе разработки теста (тестовой батареи) была обследована группа из К человек, про которых
известно, что
K
1
из них относится к одному классу, а К
2
- к другому, К = К
1
+ К
2
. Выбрав случай-
ным образом из этой группы М (М<<К) многомерных описаний, проводим на них процедуру
обучения алгоритма. Точность обучения характеризует валидность теста. После этого применяем
процедуру собственно распознавания (по выработанному решающему правилу) для остальных К-
М описаний. В результате этой процедуры мы определяем принадлежность респондентов (испы-
туемых) к этим классам. Сравнивая полученные результаты с эталонными данными о принад-
лежности испытуемых к классам, мы определяем точность самого распознавания. Если эта точ-
ность близка к точности обучения, то наша пилотажная выборка объемом М может быть призна-
на репрезентативной для обучения. Теперь можно переходить к задаче определения информаци-
онных весов.
* * *
Для эффективного использования алгоритмов распознавания по отношению к многомер-
ным тестовым системам (при
K
>3), как правило, требуется использование компьютера.
При решении задач небольших размерностей (по количеству параметров) иногда психолог
может быстрее найти решающее правило, применяя собственные способности зрительной систе-
мы (очень мощные) к визуально-геометрической группировке объектов. В пространстве пара-
метров диагностические, классы выглядят как «сгущения», некие «облака» из точек, изобража-
ющих испытуемых. В этом случае при наличии априорной информации о принадлежности ин-
дивидов к классам удобно изображать точки из различных классов разными цветами (хуже -
квадратиками, кружками, треугольниками). В этом случае «решающее правило» легко «увидеть»
как некую воображаемую линию (прямую или кривую), разделяющую точки разного цвета (рис.
17). Точность диагностики в данном случае можно оценить по количеству точек, попавших при
данном решающем правиле в «чужую» половину пространства параметров.
Do'stlaringiz bilan baham: