مقارنة بين أسلوبي C-H و الامكان الأعظم لتصنيف البيانات و ذلك بالتطبيق على مرضى الفشل الكلوي

الملخص AR

استهدفت تلك الدراسة المقارنة بين طريقتين من طرق التحليل التمييزي الأول هو أسلوب التوليفة الخطية (C-H classifier) Chung and Hanوهو عبارة عن دمج دالتين تمايز خطية واحدة للمشاهدات المكتملة و الاخري للمشاهدات غير المكتملة، و أسلوب تصنيف الإمكان الأعظم MLE classifier و هو مشتق من دالة التمييز الخطي التقليدية و لكن اعتمد علي تقدير المعالم باستخدام دالة الامكان الأعظم.

وكلا الأسلوبين يتطلبا نمط خاص للبيانات و هو أن تحتوي البيانات على مشاهدات مفقودة علي وتيرة واحدة و يجب ان يكون للمجتمعين نفس النمط.

كما تهدف الدراسة إلي التنبؤ بمتجه مشاهدات جديدة ذو بعد إلي إحدي المجتمعين قيد الدراسة، و قامت الدراسه لتقييم كفاءة الأسلوبين باستخدام معيارمقدر البوتستراب المعلمي لفرق معدل الخطأ المتوقع(a parametric bootstrap estimator of Expected Error Rate Difference) لمعرفة أيهما أفضل في التصنيف، و لقد تمت الدراسة التطبيقية علي مجموعة من بيانات مرضي الفشل الكلوي المتاحة بوحدة أمراض الكلي و الغسيل الكلوي بمستشفي الأطفال الجامعي (جامعة المنصورة) وقد توصلت الدراسه إلى أن أسلوب C-H هو الأفضل.

This study aims to comparing two discriminant analysis methods، namely the linear combination classifier of Chung and Hun (C-H classifier)، which is a linear combination of two discriminant functions، one based on the complete observations and the other based on the incomplete observations.

Also، the Maximum Likelihood Estimation substitution classifier is the general rule of discrimination based on parameters estimators via MLE estimator.

It will be assumed that there are two populations are multivariate normal with equal covariance matrix; one of them is with the same monotone pattern.

We consider the problem of classifying a observation into one of two population.

We examine the two classifiers to know which is better in the classification by using a parametric bootstrap estimator of the Expected Error Rate Differences، The applied study was done on a set of data of patients with kidney failure available in the Kidney Diseases and Kidney Dialysis Unit at the University Children's Hospital (Mansoura University) the result shows that the C-H classifier is more efficiency to the MLE classifier when the proportion of observations with missing data is substantial.