判别分析案例.ppt

多元统计分析判别分析判别分析把对象归到已知类中 人们常说：“像诸葛亮那么神机妙算”“像泰山那么稳固”“像钻石那么坚硬” 一些判别标准都是有原型的，虽然这些判别的标准并不那么精确或严格，但大都是根据一些现有的模型得到的。判别分析的方法 距离判别法 Fisher判别法 Bayes判别法 逐步判别法距离判别法 假设有两个总体G1和G2, 如果能够定义点x到它们的距离D(x,G1)和D(x,G2), 则如果D(x,G1) D(x,G2)，则 xG1如果D(x,G2) w=read.table(disc.txt);attach(w);wV1代表Group。 V1=factor(V1) #把分组变量变成定性变量。R语言实现 train=sample(1:90,45) #随即抽取一般样本作训练样本。 table(V1train) #显示训练样本中各类的比例。 library(MASS); z=lda(V1.,data=w,prior=c(1,1,1)/3,subset=train)#用V1作分组变量，V2-V9作判别变量，使用训练样本生成判别函数，先验概率各为33.3%。R语言实现先验概率各为33.3%。判别系数第1个判别函数贡献率为98.7%；第2个判别函数贡献率为1.3%。R语言实现 a1=predict(z,w-train,) #用z的结果预测训练样本外的点 a2=predict(z,w) #对z的结果预测所有样本点 a2$class #给出分类结果 a2$x #给出每个点的二维坐标 y=cbind(a2$x,a2$class); y1=yy,3=1,-3; y2=yy,3=2,-3; y3=yy,3=3,-3; plot(y1,1,y1,2,pch=0,xlim=c(-10,8.5),ylim=c(-4,3),ylab=,xlab=) points(y2,1,y2,2,pch=1) points(y3,1,y2,2,pch=2)R语言实现第一类第二类第三类谢谢观看！