精彩12判别剖析鸢尾花.pptVIP

统计学;第十二章 判别分析 ;12.1 判别分析(discriminant analysis) ;判别分析(discriminant analysis);判别分析例子;判别分析例子;Disc.sav数据 ;1. 根据距离判别的思想;1. 根据距离判别的思想;2. Fisher判别法(先进行投影);拆拧葫腋朋孜刨何鳞潞想扛惹垦锄正盾谬吼耍烷壮解糯烂既桂院录礼泼蹲12判别分析-鸢尾花12判别分析-鸢尾花;2. Fisher判别法(先进行投影);3.逐步判别法(仅仅是在前面的方法中加入变量选择的功能);Disc.txt例子;Disc.txt例子;量吹兜剔农败尘氟象陪韶袒叙髓亥拉氨抿铲沧息肤栓坍险眶跨羽阮谰批课12判别分析-鸢尾花12判别分析-鸢尾花;Disc.txt例子;Disc.txt例子;Disc.txt例子;误判和正确判别率;Disc.txt例子;Disc.txt例子;12.2判别分析要注意什么？;判别分析要注意什么？;判别分析要注意什么？;SPSS选项;和聚类分析的关系;距离判别法;Mahalanobis距离;线性判别函数:当S(1)=S(2)=S时;当m(1), m(2), S 已知时, 令a= S-1(m(1)- m(2) ) ≡(a1,…, ap)’,则;当m(1), m(2), S 未知时, 可通过样本来估计:;非线性判别函数:当S(1) ≠S(2)时;多总体时的线性判别函数:当S(1)=…=S(k)=S时;Bayes判别法;逐步判别法;鸢尾花数据(花瓣,花萼的长宽) 5个变量:花瓣长(slen),花瓣宽(swid), 花萼长(plen), 花萼宽(pwid), 分类号(1:Setosa, 2:Versicolor, 3:Virginica);Statistics→Classify →Discriminant: Variables: independent (slen,swid,plen,pwid) Grouping(spno) Define range(min-1,max-3) Classify: prior probability(All group equal) use covariance matrix (Within-groups) Plots (Combined-groups, Separate-groups, Territorial map) Display (Summary table) Statistics: Descriptive (Means) Function Coefficients (Fisher’s, Unstandardized) Matrix (Within-groups correlation, Within-groups covariance, Separate-groups covariance, Total covariance) Save: (Predicted group membership, Discriminant Scores, Probability of group membership);鸢尾花数据(数据分析过程简明表);鸢尾花数据(原始数据的描述);鸢尾花数据(合并类内相关阵和协方差阵);鸢尾花数据(总协方差阵);鸢尾花数据(特征值表)Eigenvalue:用于分析的前两个典则判别函数的特征值, 是组间平方和与组内平方和之比值. 最大特征值与组均值最大的向量对应, 第二大特征值对应着次大的组均值向量典则相关系数(canonical correlation):是组间平方和与总平方和之比的平方根.被平方的是由组间差异解释的变异总和的比.;鸢尾花数据(Wilks’ Lambda统计量)检验的零假设是各组变量均值相等. Lambda接近0表示组均值不同,接近1表示组均值没有不同. Chi-square是lambda的卡方转换, 用于确定其显著性. ;鸢尾花数据(有关判别函数的输出);鸢尾花数据(有关判别函数的输出);鸢尾花数据(有关判别函数的输出)这是类均值(重心)处的典则判别函数值;鸢尾花数据(用判别函数对观测量分类结果); Territorial Map Canonical Discriminant Function 2 -12.0 -8.0 -4.0 .0 4.0 8.0 12.0 趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌趄蝌蝌蝌蝌 12.0 12 23