1.5 Расчёт принадлежности новой записи к целевому классу

Определяем степень риска банкротства предприятия с собственным капиталом 18 000 денежных единиц и заемным капиталом 16 000 денежных единиц:

Χ_да=1,0 Χ_нет =0,0

Условие принадлежит к узлам 1, 2, 3 и 4. Подставляем полученные значения в формулу: ,

где - коэффициент соотношения примеров листа дерева I для значения целевого класса k, - степень принадлежности примера к узлу I, - принадлежность значения целевого класса k к положительному значению исхода классификации.

Р_да=2,5

Р_нет=0,4

Р_да=0,2

Р_нет=0,2

Р_да=0,4 Р_да=0,5 Р_да=0,3 Р_да=0,3 Р_да=0,3

Р_нет=0,3 Р_нет=0,5 Р_нет=0,3 Р_нет=0,6 Р_нет=1,4

Р_да=2,5

Р_нет=0,4

Р_да=0,7

Р_нет=0,6

Р_да=0,3

Р_нет=1,7

δ=(2,5*0,6*1,0+0,4*0,6*0,0+0,2*0,2*1,0+0,2*0,2*0,0+0,4*0,4*1,0+0,3*0,4*0,0+0,5*0,2*1,0+0,5*0,2*0,0)/((2,5+0,4)*0,6+(0,2+0,2)*0,2+(0,4+0,3)*0,4+(0,5+0,5)*

*0,2)=0,78

В итоге мы получили рейтинг, равный 0,78, что означает степень риска банкротства почти возможным.

Вторая часть

2. Построение нечетной экспертной системы в CubiCalc 2.0

2.1 Определение переменных Fuzzy Input, Output

Процесс разработки нечеткой экспертной системы в пакете CubiCalc начинается с определения переменных, которые будут использоваться в проекте. Создаем новый проект и новые переменные. Первой входной переменной будет собственный капитал, обозначим «Sobstv». Задаем ее атрибуты: выбираем ее тип (Fuzzy Input) и диапазон изменения ее значений 0,40000, а также начальное значение Initial Valuе равное 0 (рис.2)

Рис.2

Задаем вторую входную переменную  заемный капитал, обозначим «Zaemn». Атрибуты переменной: ее тип (Fuzzy Input) и диапазон изменения ее значений 0,40000, а также начальное значение Initial Valuе равное 0.

Объявляем третью переменную  рейтинг, обозначим «Rang». Она является выходной. Атрибуты переменной: ее тип (Fuzzy Output), диапазон изменения ее значений0,1, а также начальное значение Initial Valuе равное 0.

2.2 Построение функций принадлежности

Далее необходимо задать характеристики всех трех переменных ProjectAdjective editоr. В окне «Adjective for variables» выбираем переменную «Sobstv» и нажимаем кнопку Edit(рис.3).

Рис.3

Здесь каждой входной переменной поставим в соответствие набор функций принадлежностей AdjectiveChange ListNew. В появившемся окне «Create Adjective» задаем следующие параметры: количество функций принадлежности равное 3,вид функций принадлежности (Shape)Trapezoid,ширина основания(base width) равная 20000 и (crown width) равное 10000(рис.4).

Рис.4

В окне «Edit Adjective List» присвоим наименования Small, Medium, Large соответственно малому, среднему и высокому собственному капиталу.

2. 3 Определение набора правил, связывающих входные переменные с выходными

Далее необходимо определить набор правил, которые связывают входные переменные с выходными (рис.5). Для этого в редакторе правил вывода ProjectRules определим:

Рис.5

Следующими этапами выполнения являются предобработка и постобработка. Предобработка задает входные данные (рис.6). Для этого используется функция field( ), которая возвращает данные из отдельного поля текущей записи. Задаем:

Рис.6

В постобработке задается метод автоматической оценки эффективности системы (рис.7). Необходимо посчитать количество сделанных системой ошибок и вывести сумму в конце запуска. Чтобы обнаружить ошибку классификации в постобработке, необходимо сравнить выходную переменную с информацией check в файле данных.Вставляем в окно редактора постобработки следующие инструкции:

If(reiting<>check)errors+=1;end

If(endoffile=TRUE)call message(errors);end

Рис.7

В процессе настройки системы я использовала переменные, отличные от входных и выходных. Для обнаружения ошибок классификации я использовала переменную errors и check для подсчета количества ошибок классификации. Необходимо создать эти переменные (рис.8). Делается это так же, как и вначале, когда создавались входные и выходные переменные, только изменяем тип переменных на Temporary, начальное значение 0.0.

Рис.8