线性判别-冯守渤试题.pptx

判别分析 判别分析 根据已知对象的某些观测指标和所属类别来判断未知对象所属类别的统计方法。 利用已知类别的样本信息求判别函数，根据判别函数对未知样本所属类别进行判别。 判别方法的分类 按判别组数来分，有两组判别分析和多组判别分析 按数学模型来分，有线性判别分析和非线性判别分析 按判别方法来分，有Fisher判别分析和Bayes判别分析 Bayes判别分析方法 许多时候各类别的比例分布情况有一定的先验信息，此时，Bayes判别恰好适用。Bayes判别就是根据总体的先验概率，使误判的平均损失达到最小二进行的判别。其最大优势是可以用于多组判别问题。但是适用此方法必须满足三个假设条件，即各种变量必须服从多元正态分布、各组协方差矩阵必须相等、各组变量均值均有显著性差异。 Fisher 判别法 所谓Fisher判别法，用投影的方法将k个不同总体在p维空间上的点尽可能分散，同一总体内的各样本点尽可能的集中，用方差的思想则可构建一个较好区分各个总体的线性判别法。 优缺点比较 Fisher判别方法对总体分布没有特殊要求，但是Fisher判别法未考虑各总体出现概率的大小，不能给出后验概率以及错判造成的损失。 Bayes判别法可以给出后验概率以及错判造成的损失。但是要求即各种变量必须服从多元正态分布、各组协方差矩阵必须相等、各组变量均值均有显著性差异。 Fisher判别方法（二类） 有A，B两个总体，分