判别分析(3)贝叶斯判别.pptVIP

§4.3.1 贝叶斯准则 §4.3.1 贝叶斯准则 判别方法是，先由贝叶斯准则计算待判样品　来 自 个总体的条件概率（也称后验概率）为 　　　　　　　　　　　　　　　　　　　　 （4.18） 　 式中，　——归入第 总体的先验概率，　　时为　。 　 §4.3.1 贝叶斯准则 §4.3.1 判别函数 　不妨设 ，则待判样品　就归入第　类总体　 。 因此式（4.19）称为判别函数，按照条件概率最大进行归类的准则，称为贝叶斯判别准则。 在式（4.19）中，为了给出判别函数 的具体表达式，下面以　服从多元正态分布情况来讨论。 设　 是第　类总体第 个样品第 个变量的观测值，且各总体样品都是相互独立的正态随机向量，即 §4.3.1 判别函数 　　在该假设条件下，由于　　　均未知，为此 我们可根据第　总体的样品数据，计算出总体的 样本均值　及总体样本的协方差矩阵　　，用　　　作为总体　　　的估计。由统计理论知， 式中， ——第 类总体样品均值向量。 —— 总体第 个变量均值 （ ） §4.3.1 判别函数 ——称为 总体组内方差—协方差矩阵，式中， 此时， 均为已知， 总体的密度函数可表 为 §4.3.1 判别函数 这里， 为矩阵 的逆矩阵的行列式。上式表 明 是一个具体已确定的函数。下面的问题 是要确定式（4.19）中的先验概率 ，对于 的确定，实际应用中常用其频率来估计，即 。由此式（4.19）完全确定，于是 可以进行判别归类，为了计算方便，我们对式（4.19）进行化简，即对式（4.19）取对数， §4.3.1 判别函数 对式中的同类项合并，去掉与分组无关的项。 并令 故上式可写成 （4.20） 令 §4.3.1 判别函数 式中， 这里 为矩阵 中的元素。于是最终得化简后 的 类总体的判别函数为 （ ） （4.21） §4.3.2 判别效果的检验 建立 个总体的判别函数后，这些判别函数的 判别效果如何需要检验。在实际应用中，可将已 知类别的样品代入判别函数进行回判。如果判对 率在75％以上，则认为判别函数有效，其常用的 公式为 此外，还可采用统计方法对判别函数效果进行 检验。 对于判别函数的显著检验，我们可用马氏距 离来检验总体间差异是否显著。若总体间差异不 显著，显然建立在各总体基础之上的判别函数用 于归类其结果就不可靠。马氏距离的计算公式如 下： （4.22） 应用统计量 对于给定水平 查 分布表得其临界值 。 如果求得的 ，则说明 总体与 总 体间差异显著，两总体的判别函数效果明显， 否则为不显著。 §4.3.3 待判样品的归类 在建立了总体的判别函数且通过对各总体的 判别函数显著性检验后，若判别函数效果明显， 我们就可用其进行归类识别，其方法是将待判 样品 代入判别函数式（4.21）， 计算它归入每个类的判别函数 值 （ ），然后选出 则将 就归入第 类。 实际应用中，常常还需要知道待判样品 归 入第几类的概率，可以用下式计算：