第十四章判别分析DiscriminantAnalysis教学讲义.pptVIP

第十四章 判别分析(Discriminant Analysis);第一节 判别分析的基本概念;（1）有无某种疾病 例：计算机用于胃癌普查，用于中风预报。 （2）疾病的鉴别诊断 例：计算机用于对肺癌，肺结核和肺炎进行鉴别诊断。 （3）患有某疾病中的哪一种或哪一型 例：鉴别诊断单纯性或绞窄性肠梗阻。 鉴别诊断阑尾炎中的卡他性，蜂窝织炎， 坏疽性和腹膜炎。; 用一个实例来说明判别分析的基本思想;（3）用判别分析方法得到判别函数 根据实测资料(训练样本)用判别分析方法可建立判别函数，本例用Fisher判别分析方法得到: Y=X1+10X2+10X3 并确定判别准则为: 如有某病人的X1,X2,X3实测值，代入上述判别函数可得Y值，Y100则判断为癌症，Y100则判断为非癌症。;（4）考核 该判别函数是否有实用价值还需要进行考核;如考核的结果，其诊断符合率达到临床要求则可应用于实践。 回顾性考核（组内考核） 前瞻性考核（组外考核） 得到总符合率，特异性，敏感性，假阳性率和假阴性率。;（5）实际应用 未知类别样品的判别归类。 如有某病人，用显微分光光度计对其细胞进行检测，得到X1，X2和X3的值。将X1,X2,X3值，代入判别函数 Y=X1+10X2+10X3; 可得Y值，Y100则判断为癌症，Y100则判断为非癌症。 ;判别分析的一般步骤; 判别分析通常都要建立一个判别函数，然后利用此判别函数来进行判别。为了建立判别函数就必须有一个训练样本。判别分析的任务就是向这份样本学习, 学出判断类别的规则, 并作多方考核。训练样本的质量与数量至为重要。每一个体所属类别必须用“金标准”予以确认; 解释变量（简称为变量或指标）X1,X2,…, Xp必须确实与分类有关; 个体的观察值必须准确;个体的数目必须足够多。; 训练样本的数据内容与符号 ─────────────────────────────────── 解释变量 个体号 ─────────────────────── 类别变量(Y) X1 X2 … Xj … XP ─────────────────────────────────── 1 X11 X12 … X1j … X1P y1 2 X22 X22 … X2j … X2P y2 … … … … … … … … i Xi1 Xi2 … Xij … XiP y3 … … … … … … … … n Xn1 Xn2 … Xnj … XnP yP ──────────────────────────────────── ;判别分析常用方法;（4）逐步判别分析 建立在Bayes判别分析基础上，它象逐步回归分析一样,可以在众多指标中挑选一些有显著作用的指标来建立一个判别函数, 使方程内的指标都有显著的判别作用而方程外的指标作用都不显著。 （5）logistic判别 常用于两类间判别。它不要求多元正态分布的假设，故可用于各指标为两值变量或半定量的情况。 ;第二节 Bayes判别分析;(二). 分类函数 （g个类别，p个指标） Bayes准则下判别分析的分类函数形式如下： Y1=C01+C11X1+C21X2+……+Cp1Xp Y2=C02+C12X1+C22X2+……+Cp2Xp ………… Yg=C0g+C1gX1+C2gX2+……+CpgXp ;即g个线性函数的联立方程，每个线性函数对应于某一