sas判别分析

#判别分析两大类：Fisher&Bayes


#neighbbor：马氏距离和欧氏距离；
#典型判别分析，联系典型相关分析#组变量相关，最后得到的每组内变量的线性组合作为典型变量


#协方差矩阵，举个栗子,设一组特征x(a1,a2,…,ak);每组特征互相求协方差然后堆出个矩阵就是协方差矩阵#协方差除去各自的标准差（去除量纲）就是相关系数#协方差矩阵是是对角矩阵，对角线上是方差#各组特征如果相互独立就意味着相关系数为0，就说明协方差是对角阵（除了对角线其他都为0）。
#贝叶斯判别中对协方差矩阵的要求，举个栗子，在二元正太分布中,a特征的分布和b特征的分布为a(u1,s1),b(u2,s2)，在x0y平面的投影是一个椭圆曲线方程，如果s1=s2那就是圆曲线，u1,u2决定了他们边缘概率密度的偏置；
现在考察协方差矩阵，如果他们相互独立那么协方差矩阵是对角阵，椭圆的中心两轴分别和x,y轴平行，如果不独立，那么椭圆相应偏转#想象三维空间里数据点分布的变化。
对于均值向量，从边缘概率密度的角度考虑，均值影响的是二维数据点在xoz和yoz平面上的投影#也就是边缘概率密度的偏置。
如果说有两组样本,样本N（xn1,xn2)和样本M（xm1,xm2),他们的协方差矩阵和均值矩阵相等，那么在三维空间中它们的分布是很相似的，所以可以归为一类。
#组间均值向量检验
wilks,pilai,hotelling-lawdey,roy