SAS统计之第十二章判别分析概要.ppt

第十二章 判别分析Chap.ⅩII Discrimination Analysis 第二节 贝叶斯判别分析 第十二章 判别分析Chap.ⅩII Discrimination Analysis 第十二章 判别分析Chap.ⅩII Discrimination Analysis 第一节 距离判别分析方法Distance Discrimination Analysis 第一节 距离判别分析方法Distance Discrimination Analysis 第一节 距离判别分析方法Distance Discrimination Analysis 第二节 贝叶斯判别分析方法Bayes Discrimination Analysis 第二节 贝叶斯判别分析方法Bayes Discrimination Analysis 第二节 贝叶斯判别分析方法Bayes Discrimination Analysis 第二节 贝叶斯判别分析方法Bayes Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第三节 逐步判别分析方法Stepwise Discrimination Analysis 第四节 Logistic判别分析方法Stepwise Discrimination Analysis * 第一节 距离判别分析 第三节 逐步判别分析 第四节 Logistic判别分析 判别分析是一种应用样本的数值特征来将样本划入若干个已知的类别中的某一类的统计分析方法。 现实生活中，判别问题经常遇到： 医生根据某人的症状和生化指标来判断是得病还是健康；气象学家根据天气资料判断明天是晴天、阴天、刮风和下雨；考古学家根据出土的文物来判断它所处的历史时期；根据冬天的气象条件判断来年的病虫害发生情况；法国学者通过对葡萄形态的测量来判断葡萄的品种；还可以通过DNA鉴定某个人所属的家族； 与聚类分析不同之处是： 聚类分析之前，我们对“所研究的事例(或样品)应如 何分类”、“某一个事例（或样品）属于那一类”等问 题是并不知晓； 但在进行判别分析之前，必须有足够数量的样品(或 事例)，并对它们归属于那一类有相当正确的认识。 判别分析的作用在于将某个样品归到正确的类别。 做法是：根据掌握的分类资料建立一个较优的判别函数，使判错率最小，将欲判定的样品值代入判别函数，从而判定它属于已知类别中的哪一类。 距离判别分析的基本思路： 计算样品到给定类别的距离，把它划归到距离最 近的类别 设X，Y是从均值向量为μ，协方差阵为Σ的总体G中抽取的两个样品，定义X，Y之间的马氏距离平方为： 定义X，与总体G之间的马氏距离平方为： 设有k个已知的类别(记为G1，G2，…，Gk)，各类的 平均数分别为 μ1, μ2, …, μk，方差协方差矩阵为Σ1，Σ2, …, Σk。欲将某个样品x归入到这 k 类中的一类， 其判别函数为马氏距离，判别准则为 x∈Gj，当d (x，Gj )＝Min {d (x，Gi )} 其中Min是对 i ＝1，2，…，k 类的距离求极小值； d (x，Gi )＝[(x－ )Σi－1(x－ )]1/2。 计算时用 作 μi 的估计值，用 Si 作Σi的估计值。 距离判别法的计算步骤： 第一步、计算出 k 个类别的方差协方差矩阵及其逆阵。 第二步、计算出各训练样本到这 k 个类别的马氏距离， 比较这 k 个距离，把训练样本归到距离最短的类中。 第三步、计算第二步中的错判率。如果错判率太大， 说明要么原来的分类不可