Помогите с дискриминантным анализом в R |
Здравствуйте, гость ( Вход | Регистрация )
Помогите с дискриминантным анализом в R |
12.04.2019 - 16:25
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 12 Регистрация: 3.02.2018 Пользователь №: 30923 |
Подскажите, как мне сосчитать лямбду Уилкса, функцию групповых центройдов, и также канонические коэффициенты дискриминантной функции.
Возьмём простой Пример library(MASS) mydat=iris #split sample index <- sample(1:nrow(mydat),round(0.70*nrow(mydat))) train <- mydat[index,] test <- mydat[-index,] str(train) z <- lda(Species ~ .,data = train) как мне высчитать эти показатели, как в экселе в R?
Прикрепленные файлы
|
|
12.04.2019 - 23:27
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
1. Лямбда Уилкса:
> library(rrcov) > Wilks.test(Species~.,train) Для всего остального достаточно просто подать команду: > z А познавательная команда str(z) покажет структуру этого объекта: сразу становится видно, до каких полей необходимо "достучаться" с помощью "$". Сообщение отредактировал 100$ - 12.04.2019 - 23:27 |
|
13.04.2019 - 13:08
Сообщение
#3
|
|
Группа: Пользователи Сообщений: 12 Регистрация: 3.02.2018 Пользователь №: 30923 |
100$, благодарствую)
но что - то в >z не вижу, где тест М-Бокса? Как мне его высчитать? Если он стат.значим, все не очень хорошо. Если я правильно поняла. Сообщение отредактировал alina.K - 13.04.2019 - 13:09 |
|
13.04.2019 - 14:44
Сообщение
#4
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
100$, благодарствую) но что - то в >z не вижу, где тест М-Бокса? Как мне его высчитать? Если он стат.значим, все не очень хорошо. Если я правильно поняла. М-тест Бокса: >library(biotools) >boxM(data, grouping) По поводу равенства/неравенства ковариашек могу сообщить, что, н-р, квадратичный ДА его и не предполагает. |
|
17.04.2019 - 14:33
Сообщение
#5
|
|
Группа: Пользователи Сообщений: 12 Регистрация: 3.02.2018 Пользователь №: 30923 |
100$, а можете подсказать как интерпретировать эту строчку априорных вероятностей.
Prior probabilities of groups: setosa versicolor virginica 0.3619048 0.3333333 0.3047619 что значит setosa 0,36 А также как мне интерпретировать постериорные вероятности? p=predict(z,test) posterior setosa versicolor virginica 22 1.000000e+00 5.966703e-20 5.555393e-41 23 1.000000e+00 1.638449e-24 5.197733e-48 25 1.000000e+00 4.449308e-16 1.260953e-36 Сообщение отредактировал alina.K - 17.04.2019 - 14:42 |
|
17.04.2019 - 20:50
Сообщение
#6
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
100$, а можете подсказать как интерпретировать эту строчку априорных вероятностей. Prior probabilities of groups: setosa versicolor virginica 0.3619048 0.3333333 0.3047619 что значит setosa 0,36 Да, это доля каждого конкретного сорта в обучающей выборке. Иначе говоря, в вашей обучающей выборке из 105 цветков было 38 сетоз. Откуда a priori p(Setosa)=38/105=.3619048... Цитата А также как мне интерпретировать постериорные вероятности? p=predict(z,test) posterior setosa versicolor virginica 22 1.000000e+00 5.966703e-20 5.555393e-41 23 1.000000e+00 1.638449e-24 5.197733e-48 25 1.000000e+00 4.449308e-16 1.260953e-36 Да так и интерпретировать, что построенное по обучающей выборке классифицирующее правило объекты тестовой выборки с номерами 22, 23 и 25 считает принадлежащими классу Setosa с единичной вероятностью. Сообщение отредактировал 100$ - 17.04.2019 - 20:53 |
|
18.04.2019 - 12:23
Сообщение
#7
|
|
Группа: Пользователи Сообщений: 12 Регистрация: 3.02.2018 Пользователь №: 30923 |
Всё, вы очень помогли. А почему МАНОВА требует чтобы M-BOX не был стат значим, что говорит о том, что многомерные методы уместно использовать. а линейный ДА не требует.
|
|
18.04.2019 - 20:47
Сообщение
#8
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
|
|