判别分析课后习题

• 实验目的

通过R语言的操作，对一个个体所属类别的情况下进行判别。实验一：通过对待判样品进行判别属于哪一类，从而更好的研究人口死亡状况。实验二：通过对于地区的判别是属于哪一类，进而对跟方面的支出进行研究。

二、实验内容

实验一：

习题4.6

       为研究某地区人口死亡状况，已按某种方法将15个已知样品分为3类，指标及原始数据如下表所示，试建立判别函数并判定另外4个待判样品属于哪类。

X1:0岁组死亡概率                           x4:55岁组死亡概率 X2:1岁组死亡概率                           x5:80岁组死亡概率 X3:10岁组死亡概率                          x6:平均预期寿命
组别	序号	x1	x2	x3	x4	x5	x6
第一组	1	34.16	7.44	1.12	7.78	95.19	69.3
	2	33.06	6.34	1.08	6.77	94.08	69.7
	3	36.26	9.24	1.04	8.97	97.3	69.8
	4	40.17	13.45	1.43	13.88	101.2	66.2
	5	50.06	23.03	2.83	23.78	112.52	63.3
第二组	1	33.24	6.24	1.18	22.9	160.01	65.4
	2	32.22	4.22	1.06	20.7	124.7	68.7
	3	41.15	10.08	2.32	32.84	172.06	65.85
	4	53.04	25.74	4.06	34.87	152.03	63.5
	5	38.03	11.2	6.07	27.84	146.32	66.8
第三组	1	34.03	5.41	0.07	5.2	90.1	69.5
	2	32.11	3.02	0.09	3.14	85.15	70.8
	3	44.12	15.12	1.08	15.15	103.12	64.8
	4	54.17	25.03	2.11	25.25	110.14	63.7
	5	28.07	2.01	0.07	3.02	81.22	68.3
待判样品	1	50.22	6.66	1.08	22.54	170.6	65.2
	2	34.64	7.33	1.11	7.78	95.16	69.3
	3	33.42	6.22	1.12	22.95	160.31	68.3
	4	44.02	15.36	1.07	16.45	105.3	64.2

实验二：

2、2005年全国城镇居民月平均消费状况可划分为两类，通过建立费歇线性判别函数，将广东、西藏两个待判省区归类。                                       

x1    人均粮食支出  （元/人）       x5     人均衣着支出  （元/人）    x2    人均副食支出  （元/人）       x6    人均日用杂品支出  （元/人）    x3    人均烟、酒、饮料支出  （元/人 x7    人均水电燃料支出  （元/人）    x4    人均其他副食支出  （元/人）   x8  人均其他非商品支出  （元/人）
序号	地区	x1	x2	x3	x4	x5	x6	x7	x8	Group
1	北  京	21.3	124.89	35.43	73.98	93.01	20.58	43.97	433.73	1
2	上  海	21.13	168.69	40.81	70.12	74.32	15.46	50.9	422.74	1
3	浙  江	19.96	142.24	43.33	50.74	101.77	12.92	53.44	394.55	1
4	天  津	21.5	122.39	29.08	51.64	55.04	11.3	54.88	288.13	2
5	河  北	18.25	90.21	24.45	32.44	62.48	7.45	47.5	178.84	2
6	山  西	21.84	66.38	18.05	31.32	74.48	8.19	34.97	177.45	2
7	内蒙古	21.37	67.08	20.28	35.27	81.07	10.94	39.46	182.2	2
8	辽  宁	22.74	115.88	28.21	42.44	58.07	9.63	48.65	194.85	2
9	吉  林	20.22	88.94	18.54	35.63	65.72	8.81	50.29	186.52	2
10	黑龙江	21.33	75.5	14	29.56	69.29	8.24	42.08	165.9	2
11	江  苏	18.61	122.51	27.07	42.5	63.47	15.38	36.14	240.92	2
12	安  徽	19.61	107.13	32.85	35.77	61.34	7.53	34.6	142.23	2
13	福  建	25.56	171.65	22.3	40.53	57.13	12.6	54.03	225.08	2
14	江  西	18.75	104.68	15.55	35.61	51.8	11.18	36.27	142.72	2
15	山  东	18.27	88.34	19.07	43.19	72.97	12.59	42.16	200.18	2
16	河  南	19.07	73.18	18.01	29.38	64.51	8.91	38.14	155.45	2
17	湖  北	18.76	102.67	21.87	30.47	64.33	11.99	42.14	168.17	2
18	湖  南	20.25	104.45	20.72	38.15	62.98	12.67	39.16	213.56	2
19	广  西	18.7	131.35	11.69	32.06	41.54	10.84	42.77	178.51	2
20	海  南	16.16	139.92	12.98	23.58	24.87	10.76	32.35	144.21	2
21	重  庆	18.18	120.39	26.18	37.94	68.16	11.64	38.48	246.37	2
22	四  川	18.53	109.95	21.49	33.04	50.98	10.88	33.96	183.85	2
23	贵  州	18.33	92.43	25.38	32.19	56.32	14	38.57	144.82	2
24	云  南	22.3	99.08	33.36	32.01	52.06	7.04	32.85	190.04	2
25	陕  西	20.03	70.75	19.75	34.95	53.29	10.55	38.2	189.41	2
26	甘  肃	18.68	72.74	23.72	38.69	62.41	9.65	35.26	170.12	2
27	青  海	20.33	75.64	20.88	33.85	53.81	10.06	32.82	171.32	2
28	宁  夏	19.75	70.24	18.67	36.71	61.75	10.08	40.26	165.22	2
29	新  疆	21.03	78.55	14.35	34.33	64.98	9.83	33.87	161.67	2
1	广  东	23.68	173.30	17.43	43.59	53.66	16.86	65.02	385.94
2	西  藏	29.67	146.90	64.51	54.36	86.10	14.77	32.19	193.10

• 实验过程

实验一：

distinguish.distance <- function(TrnX,TrnG,TstX=NULL,var.equal=FALSE){

  if (is.factor(TrnG) == FALSE){

    mx <- nrow(TrnX); mg <- nrow(TrnG)

    TrnX <- rbind(TrnX, TrnG)

    TrnG <- factor(rep(1:2,c(mx,mg)))  # 1重复mx遍，2重复mg遍

  }

  if (is.null(TstX) == TRUE) TstX <- TrnX

  if (is.vector(TstX) == TRUE)

    TstX <-t(as.matrix(TstX))

  else if (is.matrix(TstX) != TRUE)

    TstX <- as.matrix(TstX)

  if (is.matrix(TrnX) != TRUE)

    TrnX <- as.matrix(TrnX)

  

  nx <- nrow(TstX)

  # blong用于存放预测值

  blong <- matrix(rep(0,nx),nrow=1,dimnames=list("blong",1:nx))

  g <- length(levels((TrnG)))    # 计算群体类别个数

  mu <- matrix(0,nrow=g,ncol=ncol(TrnX))

  # 每一个群体都有一个均值

  for(i in 1:g)   

    mu[i,] <- colMeans(TrnX[TrnG == i,])

  print(mu)

  # 计算马氏距离

  D <- matrix(0,nrow=g,ncol=nx)

  if (var.equal == TRUE || var.equal == T){

    for (i in 1:g)    # 样本到每一个类别的马氏距离

      D[i,] <- mahalanobis(TstX,mu[i,],var(TrnX))  # 混合样本方差

  }

  

  else{

    for (i in 1:g)

      D[i,] <- mahalanobis(TstX, mu[i,],var(TrnX[TrnG == i,]))

  }

  print(D)

  for (j in 1:nx){   # 分别判别每一个样本属于哪一个类别

    dmin <- Inf

    for (i in 1:g){    # 遍历每一个类别，找出最小距离

      if (D[i,j] < dmin){

        dmin <- D[i,j];

        blong[j] <- i

      }

    }

  }

  blong

}

a<-read.csv(file=file.choose(),head=TRUE)#提取出表格中的数据赋值给a

X <- a[,2:7]    #提取2到7列赋值给X

G <- gl(3,5)    #三组数据每个组5个数据

distinguish.distance(X,G,var.equal=TRUE)##用距离判别进行判别

实验二：

discriminant.distance <- function(TrnX1,TrnX2,TstX=NULL,var.equal=FALSE){

  # 输入变量处理

  if (is.null(TstX) == TRUE) TstX <- rbind(TrnX1,TrnX2)

  if (is.vector(TstX) == TRUE)

    TstX <- t(as.matrix(TstX))

  else if (is.matrix(TstX) != TRUE)

    TstX <- as.matrix(TstX)

  if (is.matrix(TrnX1) == FALSE)

    TrnX1 <- as.matrix(TrnX1)

  if (is.matrix(TrnX2) != TRUE)

    TrnX2 <- as.matrix(TrnX2)

  

  #

  nx <- nrow(TstX)    # 需要用以预测的集合的大小，或者说测试集的大小

  # 生成长度为nx的0向量，用以存储预测的标签

  blong <- matrix(rep(0,nx),nrow=1,byrow=TRUE,dimnames=list("blong",1:nx))

  # 两个群体的均值向量

  mu1 <- colMeans(TrnX1); mu2 <- colMeans(TrnX2)

  # 两群体同方差

  if (var.equal == TRUE || var.equal == T){

    # 计算混合样本方差

    S <- var(rbind(TrnX1,TrnX2))

    # 到第二群体的马氏距离减去到第一群体的马氏距离——>判别函数W(x)

    W <- mahalanobis(TstX, mu2, S) - mahalanobis(TstX, mu1, S)

  }

  # 两群体异方差

  else{

    S1 <- var(TrnX1); S2 <- var(TrnX2)

    W <- mahalanobis(TstX, mu2, S2) - mahalanobis(TstX, mu1, S1)

  }  

  for (i in 1:nx){

    if (W[i] > 0)

      blong[i] <- 1

    else

      blong[i] <- 2

  }

  blong

}

a<-read.csv(file=file.choose(),head=TRUE)##读取表格中的数据

X<-a[2:4,2:9]      ##提取出a中的2到4行，2到9列赋值给X

G <- a[5:30,2:9]    # 提取出a中的5到30行，2到9列赋值给G

discriminant.distance(X,G,var.equal=TRUE) ##利用距离判别进行判别

四、实验结果

表1   样品回判结果

原组别	序号	回判结果	正误判别标志
第一组	1	1	0
	2	1	0
	3	1	0
	4	1	0
	5	1	0
第二组	1	2	0
	2	2	0
	3	2	0
	4	2	0
	5	2	0
第三组	1	3	0
	2	3	0
	3	3	0
	4	3	0
	5	3	0
待判样品	1	1
	2	1
	3	1
	4	3

由表一可得待判样品123是属于第一组，4属于第三组。并且没有误判的。

实验二：

地区	原组别	回判结果	正误判别标志
北  京	1	1	0
上  海	1	1	0
浙  江	1	1	0
天  津	2	2	0
河  北	2	1	1
山  西	2	2	0
内蒙古	2	2	0
辽  宁	2	2	0
吉  林	2	2	0
黑龙江	2	2	0
江  苏	2	2	0
安  徽	2	2	0
福  建	2	2	0
江  西	2	2	0
山  东	2	2	0
河  南	2	2	0
湖  北	2	2	0
湖  南	2	2	0
广  西	2	2	0
海  南	2	2	0
重  庆	2	2	0
四  川	2	2	0
贵  州	2	2	0
云  南	2	2	0
陕  西	2	2	0
甘  肃	2	2	0
青  海	2	2	0
宁  夏	2	2	0
新  疆	2	2	0
广  东	待判	2
西  藏	待判	2

表2样品回判结果

由表二可得待判样品广东和西藏是属于第二组的，并且河北判错，应该是属于第一组的。