qda二次判别_判别分析-GDA、QDA、KNN

线性判别分析

对Smarket数据做线性判别分析(LDA)

library(MASS)

lda.fit

lda.fit

Call:

lda(Direction ~ Lag1 + Lag2, data = Smarket, subset = (Year < 2005))

Prior probabilities of groups:

Down Up

0.491984 0.508016

Group means:

Lag1 Lag2

Down 0.04279022 0.03389409

Up -0.03954635 -0.03132544

Coefficients of linear discriminants:

LD1

Lag1 -0.6420190

Lag2 -0.5135293

LDA输出两个类别的前向概率，表明49.2%的训练观测对应着市场下降的时期；同时也输出类平均值，即每个类中每个预测变量的平均，

可以用来估计每个类高斯分布的均值。这表明当市场上涨时，前两天的投资回报率会趋向负值；当市场下跌时，前两天的投资回报率会趋向正值。

线性判别系数输出给出了线性判别函数中Lag1和Lag2的组合系数，用来形成LDA的决策准则，该决策函数是由式(4.19)X=x各变量相乘表示的，

如果-0.642Lag1-0.514Lag2很大，则LDA线性分类器将预测市场上涨；如果很小LDA分类器预测市场下跌。

plot(lda.fit) #生成线性判别图像

lda.pred

names(