判别第二节总汇.pptVIP

【定理】 且相应的密度函数为 ，损失为 时， 划分的贝叶斯解为 若总体G1，G2，?，Gk的先验概率为 其中 含义是：当抽取了一个未知总体的样品值x，要判别它属于哪个总体，只要先计算出k个按先验概率加权的误判平均损失 然后比较其大小，选取其中最小的，则判定样品属于该总体。 下面在k=2的情形下，计算作为例子，我们讨论。 由此可见，被积函数在D1是负数时，可使ECM最小，则有分划 Bayes判别准则为： 令 特别地，若 则 判给 。与标准Bayes判别等价 当错判概率 广义平方距离法 其中 定义样品X到总体Gi的广义平方距离为： 判别准则： * 两总体判别 简例1 :记二维正态总体N2(?(i),? )为Gi(i=1,2)(两总体协差阵相同),已知来自Gi(i=1,2)的样本数据阵为 (1) 试求两总体的样本组内离差阵A1, A2和合并样本协差阵S. (2) 今有样品x0 =(2,8)′,试问按马氏距离准则样品x0应判归哪一类. * (1)解: * 而且 * (2)解一:计算马氏距离 * (2)解二:计算线性判别函数W(X) * 简例2(简例1的续) :已知先验概率q1=0.4, q2=0.6,且L(2|1)=L(1|2)=1.对简例1中提供的资料,试用Bayes 准则对样品x0 =(2,8) ′进行判别归类. 解一:计算广义平方距离D2(X,Gi)(i=1,2) * 解二:计算线性判别函数Yi (X)(i=1,2) * * 解三:计算qifi(x0)(i=1,2)(利用定理5.2.1的推论) * * 解四:计算后验概率P(i |x0)(i=1,2) 由后验概率的计算公式: * 因 P(2| x0 ) ＞ P(1| x0 ),故判x0 ∈G2 * 例5.2.2(胃癌的鉴别) 下表是从病例中随机抽取的部分资料.这里有三个总体：胃癌 、萎缩性胃炎和非胃炎病者.从每个总体抽5个病人，每人化验4项生化指标：血清铜蛋白(X1) 、蓝色反应(X2)、尿吲哚乙酸(X3)和中性硫化物(X4).试用广义平方距离判别方法建立判别准则并对这15个样品进行判别归类. 表5.2 胃癌鉴别数据 * 解 此例中总体个数k=3,变量个数m=4,各 组样品个数为：n1=n2=n3=5(n=15).这是多总体的判别归类问题. * data d522; input group x1-x4 @@; cards; 1 228 134 20 11 1 245 134 10 40…. 2 130 100 6 12 2 150 117 7 6….. 3 100 117 7 2 ; proc print data=d522; run; proc discrim data=d522 pool=no distance list; class group; var x1-x4; run; 选项POOL=NO表示三个总体 的协差阵不能认为相等故 而不使用合并协差阵， 此时采用广义平方距离进 行判别归类. 先验概率我们仍假定相等 * 输出两两配对的组间平方距离(即马氏距离) 比如:d2(2|1)表示X(2)到G1的平方距离.若Σ1=Σ2，则 d2(2|1)=d2(1|2)；但此例中协差阵Σ1与Σ2不等,因此 d2(2|1)=22.12187，d2(1|2)=486.03104. J= J= J= i= i= i= * 输出两两配对的组间广义平方距离 用D2(2|1)表示X(2)到G1的广义平方距离.因协差阵Σ1 与Σ2不等,因此D2(2|1)=43.06467,D2(1|2)=498.26812. D2(1|1)=20.94280=Ln|S1| * 由选项LIST 要求而列出 的回判结果 * 应用多元统计分析 第五章 判 别 分 析 判别准则： 用于衡量新样品与各已知组别接近程度的思路原则。 判别函数： 基于一定的判别准则计算出的用于衡量新样品与各已知组别接近程度的描述指标。 按照判别准则来分有 距离判别、费希尔判别与贝叶斯判别。 距离判别法 判别准则：对于任给一次观测值，若它与第 类的重心距离最近，就认为它来自于第 类。 马氏距离 1、协方差相等 两总体的距离判别 先考虑两个总体的情况，设有两个协差阵?相同的p维正态总体 和 ，对给定的样本Y，判别