#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
sas判别分析
最新推荐文章于 2024-05-07 17:31:19 发布