R 语言中的判别分析：LDA 和 QDA 的介绍与实践

R 语言中的判别分析：LDA 和 QDA 的介绍与实践

判别分析（Discriminant Analysis）是一种经典的统计学习方法，用于对数据进行分类和预测。R 语言提供了多种判别分析的实现，其中包括线性判别分析（Linear Discriminant Analysis，简称 LDA）和二次判别分析（Quadratic Discriminant Analysis，简称 QDA）。本文将介绍 LDA 和 QDA 的基本原理，并演示如何在 R 语言中应用这两种方法。

一、线性判别分析（LDA）

LDA 是一种经典的判别分析方法，它假设每个类别的数据服从多元正态分布，并且各个类别的协方差矩阵相等。LDA 通过线性变换将原始数据投影到低维空间，使得不同类别的数据在投影后的空间中更容易区分。在 R 语言中，我们可以使用 lda 函数实现 LDA。

下面是一个使用 LDA 进行分类的示例代码：

# 加载所需的包
library(MASS)

# 创建训练数据
set.seed(123)
x1 <- matrix(rnorm(100), ncol = 2)
x2 <- matrix(rnorm(100, mean = 2), ncol = 2)
train_data <- rbind(x1, x2)
train_labels <- c(rep(0, 100), rep(1, 100))

# 训练 LDA 模型
lda_model <- lda(train_data, train_labels)

# 创建测试数据
x1_new <- matrix(rnorm(50), ncol = 2)
x2_new <- matrix(rnorm(50, mean = 2