R软件多元统计分析-火龙果软件.PPTVIP

结语 多元统计分析方法，在各行各业的应用非常之多，大家可以课后搜集一些资源，多看看各行各业的报告文章等，看看我们课堂学到的理论知识在现实世界中具体是如何用的，这样既能加深对理论的理解，又能增强我们的实战能力。 我们是专业硕士，想必大部分人的目标就是成为一个既懂理论又能实战的高级应用型人才。软件掌握的不再多在于精。理论方法我想也是吧，学会一种理论方法能够融会贯通最重要。如何走出象牙塔，不拘泥于理论，更看重理论所学与实际应用的结合，我觉得是我们课余应该思考的问题。仅个人观点！ 谢谢大家！ * ? ? ? ? ? ? ? ? 火龙果·整理 uml.org.cn ? ? ? ? ? ? ? ? 火龙果·整理 uml.org.cn ? ? ? ? ? ? ? ? 火龙果·整理 uml.org.cn ? ? ? ? ? ? ? ? 火龙果·整理 uml.org.cn 1、判别分析 2、聚类分析 3、主成分分析 4、因子分析 5、典型相关分析 目录 对样本进行分类 通过提取公共部分对变量进行降维 分析两组变量之间的相互关系 1、判别分析 实现方法： （1）利用MASS包里的lda( ) 函数可完成判别分析（略） （2）利用R软件进行编程 简要介绍： 已知有多少类，且在各类均有训练样本的前提下，利用训练样本得到判别函数以及判别规则，对待测样本进行分类。 本课程只讲述距离判别，有兴趣的朋友可以课后研究一下其他判别方法的R实现。 1、判别分析 （1）读程序 （2）作分析 （3）讲应用 双分类距离判别R程序 discriminiant.distance-function (TrnX1,TrnX2,TstX=NULL, var.equal=FALSE){ if (is.null(TstX)==TRUE) TstX-rbind(TrnX1,TrnX2) if (is.vector(TstX)==TRUE) TstX-t(as.matrix(TstX)) else if (is.matrix(TstX)!=TRUE) TstX-as.matrix(TstX) if (is.matrix(TrnX1)!=TRUE) TrnX1-as.matrix(TrnX1) if (is.matrix(TrnX2)!=TRUE) TrnX2-as.matrix(TrnX2) nx-nrow(TstX) blong-matrix(rep(0,nx),nrow=1,byrow=TRUE, dimnames=list(blong,1:nx)) mu1-colMeans(TrnX1); mu2-colMeans(TrnX2) if (var.equal==TRUE || var.equal==T){ S-var(rbind(TrnX1,TrnX2)) w-mahalanobis(TstX,mu2,S)-mahalanobis(TstX,mu1,S) } else{ S1-var(TrnX1);S2-var(TrnX2) w-mahalanobis(TstX,mu2,S2)-mahalanobis(TstX,mu1,S1)} for (i in 1:nx){ if (w[i]0) blong[i]-1 else blong[i]-2 } blong } 多分类距离判别R程序(部分) distinguish.distance-function (TrnX, TrnG, TstX = NULL, var.equal = FALSE){ …… blong-matrix(rep(0, nx), nrow=1, dimnames=list(blong, 1:nx)) g-length(levels(TrnG)) mu-matrix(0, nrow=g, ncol=ncol(TrnX)) for (i in 1:g) mu[i,]-colMeans(TrnX[TrnG==i,]) D-matrix(0, nrow=g, ncol=nx) if (var.equal == TRUE || var.equal == T){ for (i in 1:g) D[i,]- mahalanobis(TstX, mu[i,], var(TrnX)) } else{