[数学]判别分析3.pptVIP

系数 确定的原则 假设我们可以得到一个线性判别函数： 我们把两个总体的样品数据代入上面的判别式 使组间离差平方和最大，而组内离差平方和最小。 为了使判别函数能够很好地区分来自不同总体G1和G2的样品，自然希望： （2）来自同一总体的各个样品之间的差异越小越好。 即 的离差平方和 越小越好 即 的离差平方和 越小越好 (1） 和 的差异越大越好 令 由于 故 其中 即 为两类总体的样本均值差 其中 令 是常数因子，不依赖于 它对方程组只起共同扩大倍数的作用，不影响判别结果，不妨取 于是得到 用矩阵表示： 因此得到 称 为判别函数. 两总体的 积差阵之和 两总体的 积差阵之和 判别临界值 其中 判别准则 ，则判别准则为： 例 某外贸公司为推销某一新产品，为保险起见，在新产品大量上市前将该产品的样品寄往12个国家的进口代理商，并附意见调查表，要求对该产品给予评估，评估的因素有式样、包装及耐久性三项。评分表用10分制，最后要求说明是否愿意购买，调查结果如下： 购买组 1 2 3 4 5 6 7 9 8 7 7 6 6 10 7 8 8 4 5 9 9 3 8 6 7 7 5 6 非购买组 1 2 3 4 5 4 4 4 3 6 6 6 3 3 2 4 5 1 2 2 第13个国家的进口代理商评分（9，5，8），问该代理商是否愿意购买此产品。 求两总体的样本均值 2. 求两总体样本均值之差 3. 求两总体的样本离差平方和矩阵E 先求各 4. 求判别系数 5. 得判别函数 = 6. =0.21692×8.29+0.0182×6.43+0.05604×6=2.251533 =0.0987464 判别的临界值 则判别准则为： 7. 对已知类别的样品判别分类 对已知类别的样品（通常成为训练样品）用线性判别函数进行判别归类，结果如下表： 样品 原类号 判归类别 1 2 3 4 5 6 7 2.49 1.96 2.74 2.09 2.28 2.24 1.95 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 3 4 5 1.16 1.10 1.52 0.79 0.37 2 2 2 2 2 2 2 2 2 2 回代率为百之百，全部判对。 对判别类别的样品判别归类 =（9,5,8）， 0.21692×9+0.0182×5+0.05604×8=2.4916Yc 属购买组 故 多个总体的Fisher判别法 (一) 判别函数 Fisher判别法实际上是致力于寻找一个最能反映组和组之间差异的投影方向，即寻找线性判别函数 ，设有 个总体 ，分别有均值向量 ， ,…, 和协方差阵 , 分别从各总体中得到样品： 第i个总体的样本均值向量 综合的样本均值向量 第i个总体样本组内离差平方和 综合的组内离差平方和 组间离差平方和 如果判别分析是有效的，则所有的样品的线性组合 满足组内离差平方和小，而组间离差平方和大。则 而 所对应的特征向量即 。 Fisher样品判别函数是 然而，如果组数k太大，讨论的指标太多，则一个判别函数是不够的，这时需要寻找第二个，甚至第三个线性判别函数 其特征向量构成第二个判别函数的系数。 类推得到m(mk)个线性函数。 关于需要几个判别函数得问题，需要累计判别效率达到85％以上，即有 设 为B相对于E的