12判别的分析-鸢尾花.pptVIP

当m(1), m(2), S 未知时, 可通过样本来估计: 判别函数为 为来自Gi的样本为(i=1,2) 非线性判别函数:当S(1) ≠S(2)时 这是x的一个二次函数, 按照距离最近原则,判别准则仍然为 如果W(x)0即D(x,G1)D(x,G2)则 x∈G1 如果W(x)0即D(x,G1)D(x,G2)则 x∈G2 如果W(x)=0即D(x,G1)=D(x,G2)则待判 多总体时的线性判别函数:当S(1)=…=S(k)=S时 记 相应的准则为: 如果对一切j≠i, Wij(x)0, 则 x∈Gi 如果有某一个Wij(x)=0, 则待判 Bayes判别法 不用判别式,而用比较新给样品属于各个总体的条件概率P(l|x), l=1,…,k, 的大小(将新样品判归为来自概率最大的总体). 先给出对于k个总体的先验概率q1,…,qk. 如各总体密度为{fk(x)}, 则后验概率为(g=1,…k): P(g|x)=qgfg(x)/Si qifi(x) 当且仅当P(h|x)= maxgP(g|x), 判x来自第h总体. 也可以用使错判的损失最小来判别. 如果c(i|j)为来自j总体的个体被错判到第i总体的损失. 定义平均错判损失(ECM)为ECM=Si=1 qi[Sl≠iP(l|i)c(l|i)] 逐步判别法 前面判别用了所有变量. 但是各变量所起作用并不一样. 要有进有出,引进“最重要