判别分析在急诊医学研究中的应用（基于R）.pptVIP

* 判别分析在急诊医学研究中的应用（基于R） 内容 判别分析简介 R语言简介 实例演示 QA 判别分析(discriminant analysis) 判别分析是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多元统计分析方法。 其基本原理是按照一定的判别准则，通过训练样本建立一个或多个判别函数，据此确定新样本的类别。 在医学、生物、商业等领域有广泛的应用价值，如疾病诊断、昆虫性别判定，个人信用评估等 如何建立有价值的判别模型 选题有意义，解决实际问题 训练样本有代表性，数量较大 纳入和类别相关性大的自变量（结合专业、逐步判别） 客观进行模型评价 为何使用R？ R是一个全面的统计研究平台 R拥有顶尖水准的制图功能 R是一个可进行交互式数据分析和探索的强大平台 R可以轻松地从各种类型的数据源导入数据 R易于扩展 R囊括了在其他软件中尚不可用的、先进的统计包 R可运行于多种平台之上 免费 强大 小巧 国际化 R的获取 免费下载 demo(graphics) 鸢尾花品种判别模型的建立 head(iris) attach(iris) table(Species) library(MASS) z-lda(Species~.,data=iris) z Species.pre-predict(z)$class Species.pre table(Species.pre,Species) (50+48+49)/150 library(ggplot2) ld-predict(z)$x P-ggplot(cbind(iris,as.data.frame(ld)))+geom_point(aes(x=LD1,y=LD2,colour=Species),alpha=0.8,size=3) p R不常规给出Fisher判别函数的常数项，但可通过判别得分 以及给出的方程系数算出常数项，从而得到完整的判别函数 TBI预后判别模型的建立 tbi-read.csv(d:/tbi.csv,header=T) head(tbi) attach(tbi) dead-factor(dead) library(MASS) z-lda(dead~gender+age+gcs+pupil+ua) z dead.pre-predict(z)$class table(dead.pre,dead) (231+59)/330 test-read.csv(d:/test.csv,header=T) test predict(z,test)$class test$dead test.dead.pre-predict(z,test)$class table(test.dead.pre,test$dead) (158+21)/199 高危胸痛患者判别模型的建立 急诊患者滞留预测模型的建立 脱机困难患者判别模型的建立 急诊护士定岗模型的建立 护士离职预测模型的建立 压疮发生预测模型的建立 … 我们能做什么？ QA *