Формализация предметной области

Формализация предметной области включает:

• — разработку классификационных и описательных шкал и градаций;
• — разработка обучающей выборки, т. е. описание исходных данных с помощью кодов градаций классификационных и описательных шкал.

Эти функции могут выполняться в системе «Эйдос» вручную или автоматически в режиме 2.3.2.2 «Универсальный программный интерфейс импорта данных в систему Эйдос-Х++», экранная форма которого приведена на рисунке 2:

Для запуска этого режима необходимо предварительно записать Excel-файл исходных данных, фрагмент которого представлен в приложении, с именем Inp_data.xls в папку:

c:Aidos-XAID_DATAInp_dataInp_data.xls.

Рисунок 2. Экранная форма режима 2.3.2.2 «Универсальный программный интерфейс импорта данных в систему Эйдос-Х++».

Затем необходимо задать диапазон столбцов с классификационными шкалами и диапазон столбцов с описательными шкалами, как показано на рисунке 2, и с остальными параметрами по умолчанию и нажать ОК.

Разработка классификационных и описательных шкал и градаций

Затем система открывает Excel-файл и определяет количество классификационных и описательных шкал и градаций текстового и числового типов при заданных ранее параметрах. Отображается экранная форма встроенного калькулятора, в которой мы видим результаты этого расчета, общую размерность модели, а также можем задать число градаций в числовых классификационных и описательных шкалах, если они есть (рисунок 3):

Рисунок 3. Калькулятор размерностей моделей После задания числа градаций в числовых классификационных и описательных шкалах необходимо пересчитать характеристики модели, и если все устраивает, выйти на ее создание.

При задании количества градаций числовых шкал необходимо исходить из определенных соображений, связанных с теоремой Котельникова об отсчетах]. Чем больше мы зададим количество интервалов, тем меньше они будут и тем точнее модель будет давать оценки. Но лишь при том условии, что все интервальные значения будут представлены в эмпирических данных несколькими примерами. Ясно, что чем больше интервалов, тем больше необходимо данных для их заполнения. Получается, что чем точнее мы хотим получить модель, тем больше нам нужно исходных данных. А если у нас нет возможности увеличить объем исходных данных, то приходится выбирать такое количество интервалов, чтобы они все они были представлены несколькими примерами при таком их объеме. Чем меньше исходных данных, тем большего размера необходимо выбирать интервалы, чтобы они были представлены, тем ниже будет точность модели.

В процессе создания модели режим конвертирует его в dbf-файл, стандартный для баз данных системы «Эйдос». Стадия выполнения этого процесса отображается в форме Progress-bar (рисунок 4).

Рисунок 4. Экранная форма стадии процесса формализации предметной области Классификационные и описательные шкалы и градации, а также обучающая выборка, сформированные в результате выполнения режима, приведены в таблицах 1 и 2.

Таблица 1 — Классификационные шкалы и градации.

Таблица 2 — Описательные шкалы и градации (факторы и их значения) (фрагмент).

Разработка обучающей выборки, т. е. описание исходных данных с помощью кодов градаций классификационных и описательных шкал Затем система кодирует исходные данные, представленные в приложении, с использованием справочников классификационных и описательных шкал и градаций (таблицы 1, 2), в результате чего формируется обучающая выборка или база событий. Экранная форма с фрагментом обучающей выборки приведена на рисунке 5:

Рисунок 5. Экранная форма стадии с фрагментом обучающей выборки.