[监督学习]GDA 高斯判别分析
高斯判别分析（Gaussian discriminative analysis ）是一个较为直观的模型，基本的假设是我们得到的数据是独立同分布的(IID)，虽然在实际中这种假设很难达到，但有时候拥有了好的假设可以得到较好的结果。在Andrew Ng大神的CS229 Lecture notes ...
原文：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 LDA输出两个类别的前向概率，表明 . 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Lag 和Lag 的组合系数，用来形成LDA的决策准 ...
2015-12-07 15:38 0 2459 推荐指数：
相关推荐
R语言代写线性判别分析（LDA），二次判别分析（QDA）和正则判别分析（RDA）
原文链接：http://tecdat.cn/?p=5689 判别分析包括可用于分类和降维的方法。线性判别分析（LDA）特别受欢迎，因为它既是分类器又是降维技术。二次判别分析（QDA）是LDA的变体，允许数据的非线性分离。最后，正则化判别分析（RDA）是LDA和QDA之间的折衷。 本文主要 ...
逻辑回归（Logistic）及案例分析、线性判别分析（LDA）、二次判别分析（QDA）
逻辑回归：股票市场数据 library(ISLR) names(Smarket) dim(Smarket) summary(Smarket) pair ...
判别分析--KNN、有权重的K最邻近算法
1 K最近邻 这部分即将要讨论的K最近邻和后面的有权重K最近邻算法在R中的实现，其核心函数 knn()与 kknn()集判别规则的“建立”和“预测”这两个步骤于一体，即不需在规则建立后再使用predict()函数来进行预测，可由knn()和 kknn()一步实现。 按照次序向knn()函数中 ...
判别分析
实际意义 判别分析于聚类分析的功能差不多，区别在于，聚类分析之前，没有人知道具体的是怎么分的类，分了哪几大类。而判别分析是已经把类别给分好，要做的是把没有分好类的数据观测，按照之前分好的类再进行分类。这里不同于生活中常见的分类先有具体的分类逻辑（这里叫做判别函数）。所以判别分的难点在于先由分好类 ...
判别分析--线性判别分析（LDA）
应用案例 1 线性判别分析 执行线性判别分析可使用lda()函数，且该函数有三种执行形式，依次尝试使用。 （1）公式formula格式 我们使用nmkat变量作为待判别变量，其他剩余的变量作为特征变量，根据公式nmkat~使用训练集数据来运行lda()函数： library(MASS ...
线性判别分析LDA
首先搞清楚什么叫判别分析？Discriminant Analysis就是根据研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。 根据判别标准不同，可以分为距离判别、Fisher判别、Bayes判别法等。比如在KNN中用的就是距离判别，当然这里的“距离”又有好几种：欧氏距离、街区距离 ...
LDA 线性判别分析
LDA, Linear Discriminant Analysis，线性判别分析。注意与LDA（Latent Dirichlet Allocation，主题生成模型）的区别。 1、引入 上文介绍的PCA方法对提取样本数据的主要变化信息非常有效，而忽略了次要变化的信息。在有些情况下，次要信息 ...