第十讲 Modeler分类预测：判别分析.ppt

分类预测：判别分析 判别分析的一般内容 判别分析是一种实现统计分类的分析方法 例如：不同类型客户的预测应用 特点： 数据中包含用于预测的判别变量(自变量)，其类型可以为定距，也可以为定类 数据中包含已知所属类别的类别变量(因变量)，为定类型 判别分析可以根据已有数据，确定分类与判别变量之间的数量关系，建立判别函数，并可通过判别函数实现对未知数据类别的判定和预测 判别分析的一般内容 判别分析与聚类分析的不同点： 聚类分析中的类别是未知的，完全通过数据来确定 判别分析，通过对已知类别的“训练样本”的学习，建立判别准则，具有“预测”意义 判别分析方法的划分： 根据类数：两组判别分析、多组判别分析 根据数学模型：线性判别、非线性判别 根据判别准则：距离判别法、Fisher判别法、Bayes判别法 距离判别 设有来自k?2个总体的k组样本，每组样本有ni(i=1,2,..k)个关于X1，X2，…，Xp个输入(判别)变量的观察值(p＞ k) 将n个样本数据看成p维空间中的点，计算出每个类别的中心(分类均值) 分别计算任一样本点到各个类别中心的马氏距离 根据距离最近的原则，距离哪个中心近，则属于哪个类 距离判别 假设有两个总体G1和G2,从第一个总体中抽取n个样本，从第二个总体中抽取m个样本，每个样本有p个判别变量 ?(1), ?(2), ?(1), ?(2)分别为