R qda 二次判别分析

说明

二次判别分析。

用法

qda(x, ...)

## S3 method for class 'formula'
qda(formula, data, ..., subset, na.action)

## Default S3 method:
qda(x, grouping, prior = proportions,
    method, CV = FALSE, nu, ...)

## S3 method for class 'data.frame'
qda(x, ...)

## S3 method for class 'matrix'
qda(x, grouping, ..., subset, na.action)

参数

formula	groups ~ x1 + x2 + ... 形式的公式即，响应是分组因子，右侧指定(非因子)鉴别器。
data	优先采用formula 中指定的变量的可选 DataFrame 、列表或环境。
x	(如果没有给出公式作为主要参数，则为必需。)包含解释变量的矩阵或 DataFrame 或矩阵。
grouping	(如果没有给出公式主参数，则为必需。)指定每个观察的类别的因子。
prior	类成员资格的先验概率。如果未指定，则使用训练集的类别比例。如果指定，则应按因子水平的顺序指定概率。
subset	指定训练样本中使用的案例的索引向量。 (注意：如果给出，则必须命名该参数。)
na.action	指定在找到 NA 时要采取的操作的函数。默认操作是过程失败。另一种选择是 na.omit，它会导致拒绝任何所需变量缺失值的情况。 (注意：如果给出，则必须命名该参数。)
method	"moment" 用于均值和方差的标准估计量，"mle" 用于 MLE，"mve" 用于使用 cov.mve ，或 "t" 用于基于 t 分布的稳健估计。
CV	如果为 true，则返回 leave-out-out 交叉验证的结果(类和后验概率)。请注意，如果估计先验，则使用整个数据集中的比例。
nu	method = "t" 的自由度。
...	传递给其他方法或从其他方法传递的参数。

细节

使用 QR 分解，如果组内方差对于任何组都是奇异的，则会给出错误消息。

值

类 "qda" 的对象包含以下组件：

prior	使用的先验概率。
means	团体的意思。
scaling	对于每个组 i ， scaling[,,i] 是一个对观测值进行变换的数组，以便 within-groups 协方差矩阵是球形的。
ldet	色散矩阵的半对数行列式向量。
lev	分组因子的级别。
terms	(如果公式是公式)模式表达式的对象和总结公式的类术语。
call	(匹配的)函数调用。

除非 CV=TRUE ，当返回值是包含组件的列表时：

class	MAP 分类(一个因子)
posterior	类别的后验概率

例子

tr <- sample(1:50, 25)
train <- rbind(iris3[tr,,1], iris3[tr,,2], iris3[tr,,3])
test <- rbind(iris3[-tr,,1], iris3[-tr,,2], iris3[-tr,,3])
cl <- factor(c(rep("s",25), rep("c",25), rep("v",25)))
z <- qda(train, cl)
predict(z,test)$class

参考

Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.

Ripley, B. D. (1996) Pattern Recognition and Neural Networks. Cambridge University Press.

也可以看看

predict.qda , lda