第4章多变量分析.pptVIP

第4章 多变量分析 知识结构 第4章 多变量分析 多元回归分析 主成分分析 判别分析 聚类分析 多元回归分析 多元线性回归(Multiple Linear Regression) 多元回归分析 多元线性回归(Multiple Linear Regression) 多元回归分析 多元线性回归(Multiple Linear Regression) 多元回归分析 多元线性回归(Multiple Linear Regression) 多元回归分析 多元回归分析 主成分分析 主成分分析的基本思想 主成分分析的数学解释 主成分的求解过程 PCA的优点和特点 主成分分析 主成分分析的基本思想 主成分分析 主成分分析的数学解释 主成分分析 主成分分析的数学解释 主成分分析 主成分的求解过程 主成分分析 主成分的求解过程 主成分分析 主成分分析 PCA的优点和特点 主成分分析 PCA的优点和特点 主成分分析 判别分析 判别分析的基本思想 判别分析的过程 判别分析的方法 判别分析 判别分析的基本思想 判别分析 判别分析的基本思想 判别分析 判别分析的基本思想 判别分析 判别分析的过程 判别分析 判别分析的方法 判别分析 距离判别 判别分析 距离判别 判别分析 距离判别 判别分析 距离判别 判别分析 Fisher判别 判别分析 Fisher判别 判别分析 Fisher判别 判别分析 Bayes判别 判别分析 【例4.4】 判别分析 【例4.4】 判别分析 判别分析中需要注意以下几点 聚类分析 聚类分析的基本思想 聚类方法: 分层聚类 K-均值聚类 聚类分析 聚类分析的基本思想 聚类分析 聚类分析的基本思想 聚类分析 聚类分析的基本思想 聚类分析 聚类分析的基本思想 聚类分析 聚类分析的基本思想 聚类分析 类间距离的常见定义 聚类分析 类间距离的常见定义 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 分层聚类方法(Hierarchical Clustering) 聚类方法 聚类方法 聚类方法 K-均值聚类方法(K-Means Clustering) 聚类方法 K-均值聚类方法(K-Means Clustering) 聚类方法 确定需要划分的聚类数目，比如，k=5 随机选择k个聚类中心 为每个样本寻找最近的聚类中心并将它划为该聚类 每个聚类确定新的聚类中心 如果聚类中心变化则重复直到收敛 聚类方法 K-均值聚类方法(K-Means Clustering) 聚类方法 K-均值聚类方法(K-Means Clustering) 聚类方法 判别分析 聚类分析中需要注意以下几点 Bayes判别的统计思想是：假定对研究的对象已有一定的认识，常用先验概率分布来描述这种认识，然后取得一个样本，计算该样品落入各个子域的概率，进而修正已有的知识(先验概率分布)，得到后验概率分布，各种统计推断都通过后验概率分布来进行，最后哪类样本的后验概率分布越大，就将该样本判别为哪类。使得每一类中的每个样本都以最大的概率进入该类。 Bayes判别适合于多类的判别分析，要求总体呈多元正态分布。 classify函数采用Bayes方法进行判别分析。 医生对健康人和白血病人进行血清学研究，用高分辨核磁共振谱仪分析α峰形，以α峰的高度(X1)及峰腰的二分之一处的宽度(X2)作为观测指标，见表4-6，试用不同的方法进行判别分析。对于一个(X1，X2)为(10.0，4.0)的新样本，试对其做出判别诊断。 分别应用多元回归建立判别曲线法，马氏距离判别、Bayes判别进行样本的判别分析。参考exam44.m sam_h=…; group1=ones(size(sam_h,1),1); sam_p=...]; group2=-1*ones(size(sam_p,1),1); Y=[group1;group2]; Sample=[sam_h;sam_p]; sam_new=[10,4]; figure,plot(sam_h