13 MATLAB判别分析

更多MATLAB数据分析视频请点击，或者在网易云课堂上搜索《MATLAB数据分析与统计》 http://study.163.com/course/courseMain.htm?courseId=1003615016

更多MATLAB数据分析视频请点击，或者在网易云课堂上搜索《MATLAB数据分析与统计》 http://study.163.com/course/courseMain.htm?courseId=1003615016

判别分析是对未知类别的样本进行归类的一种方法。虽然也是对样品进行分类，但它与聚类分析还是不同的。聚类分析的研究对象还没有分类，就是要根据抽样的样本进行分类，而判别分析的研究对象已经有了分类，只是根据抽样的样本建立判别公式和判别准则，然后根据这些判别公式和判别准则，判别未知类别的样品所属的类别。

 判别分析有着非常广泛的应用，比如在考古学上，根据出土物品判别墓葬年代，墓主人身份，性别；在医学上，根据患者的临床症状和化验结果判断患者疾病的类型；在经济上，根据各项经济发展指标判断一个国家经济发展水平所属的类型；在模式识别领域，用来进行文字识别，语音识别，指纹识别等。

 我们这章的主要内容是距离判别和贝叶斯判别

1.距离判别

1.1 马氏距离(Mahalanobis距离)

  马氏距离(Mahalanobis distance)是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并且是尺度无关的(scale-invariant)，即独立于测量尺度。对于一个均值为μ，协方差矩阵为Σ的多变量向量，其马氏距离为sqrt( (x-μ)'Σ^(-1)(x-μ) )。

 定义x，y之间的平方马氏距离为

     d^2(x,y)=(x-y)'Σ^(-1)(x-y)

  定义x到总体G的平方马氏距离为

   d^2(x,G)=(x-μ)'Σ^(-1)(x-μ)

1.2 两总体距离判别

 设有两个p维总体G1和G2，分布的均值向量分布为u1,u2,协方差矩阵分别为Σ1>0,Σ2>0。现有一未知类别的样本x，试判断x的归属

 如果  d^2(x,G1)<d^2(x,G2),则x属于G1类

 如果 d^2(x,G1)>d^2(x,G2), 则x属于G2类

 d^2(x,G1) = d^2(x,G2)，待判

1.3距离判别法的MATLAB实现

 MATLAB统计工具箱中提供了classify函数，用来对未知类别的样品进行判别，可以进行距离判别和先验分布为正态分布的贝叶斯判别。调用格式如下：

 <1> class=classify(sample,training,group)

  将sample中的每一个观测归入training中观测所在的某个组。输入参数sample是待判别的样本数据矩阵，training是用于构成判别函数的训练样本数据矩阵，他们的每一行对应一个观测，每一列对应一个变量，sample和training具有相同的列数。参数group是与training相应的分组变量，group和training具有相同的行数，group中的每一个元素指定了training中相应观测所在的组。group可以是一个分类变量、数值向量、字符串数组或字符串元胞数组。输出参数class是一个列向量，用来指定sample中个观测所在的组，class与group具有相同的数据类型。

 classify函数把group中的NaN或空字符串作为数据缺失数据，从而忽略training中相应的观测。

<2>class=classify(sample,training,group,type)

 可以通过type参数指定判别函数的类型，type的可能取值如下表：

type参数的可能取值	说明
‘linear’	线性判别函数(默认情况)
‘diaglinear’	与‘linear’类似，此时用一个对角矩阵作为协方差矩阵的估计
‘quadratic’	二次判别函数
‘diagquadratic’	与‘quadratic’类似，此时用对角矩阵作为各个协方差矩阵的估计
‘mahalanobis’	各组的协方差矩阵不全相等并未知时的距离，此时分别得出各组的协方差矩阵的估计

<3>class=classify(sample,training,group,type,proir)

 可以通过prior参数指定各组的先验概率，默认情况下，各组先验概率相等。

<4>[class,err]=classify(........)

  返回基于training数据的误判概率的估计值

1.4 距离判别的例子

对21个破产的企业收集他们在破产前两年的年度财务数据，同时对25个财务良好的企业也收集同一时期的数据。数据涉及4个变量

x1=现金流量/总债务

x2=净收入/总资产

x3=流动资产/流动债务

x4=流动资产/净销售额

数据中，1组为破产企业，2组为非破产企业。现有4个未判企业，他们的相关数据位于表中的最后4行，根据距离判决法，对这4个未判企业进行判别。

%读取数据
%读取C2:F51范围的数据，即全部样本数据
sample = xlsread('企业.xls','C2:F51');

%读取C2:F47范围的数据，即已知组别的样本数据
training = xlsread('企业.xls','C2:F47');

%读取B2:B47范围的数据，即样本的分组信息