Здравствуйте, уважаемые пользователи Linux. Я являюсь студентом ГУУ и выполняю лабораторную работу по многомерному шкалированию. Ознакомиться с методом подробнее можно по этой ссылке: http://www.statsoft.ru/home/textbook/default.htm, но для вашего удобства я вкратце опишу его также и здесь в конце поста.
Чтобы не задеть чьих-либо чувств, я взял 5 самых популярных дистрибутивов по версии distrowatch.com:
- Ubuntu
- OpenSUSE
- Fedora
- Debian
- Mandriva
Я из вышеприведенного списка не пользовался Mandriva и Debian, но, тем не менее, попытаюсь составить матрицу попарных сравнений:
Ubuntu OpenSUSE Fedora Debian Mandriva
Ubuntu 0
OpenSUSE 7 0
Fedora 4 5 0
Debian 2 7 4 0
Manriva 6 4 5 5 0
Для значений элементов матрицы попарных сравнений используется следующая шкала:
- 0 - абсолютно идентичные
- 2 - небольшие отличия
- 4 - существенные отличия
- 6 - значительные отличия
- 8 - абсолютная противоположность
1, 3, 5, 7 - промежуточные значения, если понадобятся.
Как вы уже догадались, я прошу вас уделить несколько минут на составление такой матрицы. Если у вас непреодолимая неприязнь к всяким там матрицам, я с радостью приму ваше экспертное мнение в словесной форме, например:
- Ubuntu - Debian: небольшие отличия
- Debian - OpenSUSE: значительные отличия
- и т.д.
Также можете использовать свою шкалу оценки различия пар, если вам удобно. Это - ваше экспертное мнение, и неправильных ответов, так же как в психологии, здесь быть не может.
Я прошу вас внести свой вклад в развитие отчественной науки и поделиться своим экспертным мнением, какой бы абсурдной вам ни показалась моя просьба. Обязательно поделюсь с вами результатами работы.
Приложение 1. Краткое изложение метода
У нас имеются n объектов, которые мы хотим классифицировать. Исходными данными служит матрица попарных сравнений этих объектов. На пересечении i-й строки и j-го столбца матрицы находится число (например от 0 до 8, где 0 - абсолютно идентично, 8 - абсолютно непохожие), выражающее степень различия, по мнению эксперта, между объектом i и объектом j. Матрица симметричная, то есть a[i,j] = a[j,i], следовательно можно заполнять только элементы выше главной диагонали, а остальные просто симметрично перенести.
Процедура позволяет на основе этих данных для каждого объекта получить вектор свойств объекта заданной размерности.
Самым очевидным примером будет таблица расстояний между городами. У нас имеется некотое количество городов и для каждой пары из них приведено расстояние (это аналог отличия). По этой таблице метод многомерного шкалирования поможет восстановить географические координаты городов.
Могу привести более близкий аудитории пример, возьмем матрицу отличий между Windows, Mac, Linux:
Windows Mac Linux
Windows 0
Mac 6 0
Linux 8 4 0
как-то так.
Применив ММШ (задав размерность n=2) можно получить координаты точек, соответствующих каждому из 3х изучаемых объектов, на координатной плоскости и сопоставить 2м осям 2 какие-то свойства операционки, ну, например, удобство и безоткасность.
