网上有关“判别分析的判别方法”话题很是火热，小编也是针对判别分析的判别方法寻找了一些与之相关的一些信息进行分析 ，如果能碰巧解决你现在面临的问题 ，希望能够帮助到您。
判别方法是确定待判样品归属于哪一组的方法，可分为参数法和非参数法 ，也可以根据资料的性质分为定性资料的判别分析和定量资料的判别分析。此处给出的分类主要是根据采用的判别准则分出几种常用方法 。除最大似然法外 ，其余几种均适用于连续性资料 。
1）最大似然法：用于自变量均为分类变量的情况，该方法建立在独立事件概率乘法定理的基础上 ，根据训练样品信息求得自变量各种组合情况下样品被封为任何一类的概率。当新样品进入是 ，则计算它被分到每一类中去的条件概率（似然值），概率最大的那一类就是最终评定的归类 。
2）距离判别：其基本思想是有训练样品得出每个分类的重心坐标 ，然后对新样品求出它们离各个类别重心的距离远近 ，从而归入离得最近的类 。也就是根据个案离母体远近进行判别。最常用的距离是马氏距离，偶尔也采用欧式距离 。距离判别的特点是直观、简单 ，适合于对自变量均为连续变量的情况下进行分类 ，且它对变量的分布类型无严格要求，特别是并不严格要求总体协方差阵相等 。
3）Fisher判别：亦称典则判别，是根据线性Fisher函数值进行判别 ，通常用于梁祝判别问题 ，使用此准则要求各组变量的均值有显著性差异。该方法的基本思想是投影，即将原来在R维空间的自变量组合投影到维度较低的D维空间去 ，然后在D维空间中再进行分类 。投影的原则是使得每一类的差异尽可能小 ，而不同类间投影的离差尽可能大 。Fisher判别的优势在于对分布、方差等都没有任何限制，应用范围比较广。另外 ，用该判别方法建立的判别方差可以直接用手工计算的方法进行新样品的判别 ，这在许多时候是非常方便的 。
4）Bayes判别：许多时候用户对各类别的比例分布情况有一定的先验信息，也就是用样本所属分类的先验概率进行分析 。比如客户对投递广告的反应绝大多数都是无回音 ，如果进行判别 ，自然也应当是无回音的居多。此时，Bayes判别恰好适用。Bayes判别就是根据总体的先验概率 ，使误判的平均损失达到最小而进行的判别 。其最大优势是可以用于多组判别问题 。但是适用此方法必须满足三个假设条件 ，即各种变量必须服从多元正态分布 、各组协方差矩阵必须相等 、各组变量均值均有显著性差异。
关于“判别分析的判别方法”这个话题的介绍，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！
本文来自作者[sqyy]投稿，不代表蛋蛋号立场，如若转载，请注明出处：https://www.dandanka.com/wiki/202508-11942.html
评论列表（4条）
我是蛋蛋号的签约作者“sqyy”！
希望本篇文章《判别分析的判别方法》能对你有所帮助！
本站[蛋蛋号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：网上有关“判别分析的判别方法”话题很是火热，小编也是针对判别分析的判别方法寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。判别方法是确定...