基于R多元统计分析——判别分析(附代码)

一、背景

        判别分析是在已知样品分类的前提下，将给定新样品按照某种分类判入某类的分析方法。

距离判别

其中是x，y随机向量的协方差矩阵。马氏距离的作用在于消除了变量单位不一致的影响更加合理。当两个总体的协方差不同时应使用二次判别。

FISHER判别

将高维的点投影到一条直线y上，使G1和G2中的点在y上的投影靠近而彼此之间分开

Bayes判别

假定对研究对象有一定的认识，可以用先验概率描述，样本的作用在于修正已有的先验概率分布得到后验分布，再通过后验分布进行各种统计推断。其判别准则是以个体归属某类的概率最大或错判总平均损失最小为标准。

接下来以今天和昨天的湿温差和气温差为预报明天是否下雨的重要因子，分别应用三种方法。

二、距离判别的代码实现

setwd("C:/Users/myq20170530/data")
data5.2<-read.csv("ex5.2.csv",heading=1)
classG1=data5.2[1:10,2:3]
classG2=data5.2[11:20,2:3]##分别提取不同类别的样本数据
newdata=c[8.1,2.0]##需要预测的数据点
mu1<-colMeans(c