R predict.lda 通過線性判別對多變量觀測值進行分類

說明

結合 lda 對多變量觀察結果進行分類，並將數據投影到線性判別式上。

用法

## S3 method for class 'lda'
predict(object, newdata, prior = object$prior, dimen,
        method = c("plug-in", "predictive", "debiased"), ...)

參數

object	類"lda"的對象
newdata	要分類的案例的 DataFrame ，或者，如果 object 有公式，則為 DataFrame ，其列與所使用的變量同名。向量將被解釋為行向量。如果缺少 newdata，將嘗試檢索用於適合 lda 對象的數據。
prior	類的先驗概率，默認情況下是訓練集中的比例或在 lda 調用中設置的內容。
dimen	要使用的空間的尺寸。如果小於 min(p, ng-1) ，則僅使用第一個 dimen 判別分量(method="predictive" 除外)，並且僅在 x 中返回這些維度。
method	這決定了如何處理參數估計。對於"plug-in"(默認值)，使用通常的無偏參數估計並假設是正確的。對於"debiased"，使用對數後驗概率的無偏估計器，對於"predictive"，使用模糊先驗對參數估計進行積分。
...	基於其他方法或基於其他方法的參數

細節

此函數是類 "lda" 的通用函數 predict() 的方法。可以通過為適當類的對象 x 調用 predict(x) 來調用它，也可以直接通過調用 predict.lda(x) 來調用它，而不管對象的類如何。

如果無法計算線性判別式，則通過返回 NA 來處理 newdata 中的缺失值。如果newdata 被省略，並且na.action 的擬合被省略，則這些將在預測中被省略。

此版本將線性判別式居中，以便組質心的加權平均值(由 prior 加權)位於原點。

值

包含組件的列表

class	MAP 分類(一個因子)
posterior	類別的後驗概率
x	最多 dimen 判別變量的測試用例分數

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 <- lda(train, cl)
predict(z, test)$class

參考

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

lda , qda , predict.qda