R qda 二次判別分析

說明

二次判別分析。

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)

參數

formula	groups ~ x1 + x2 + ... 形式的公式即，響應是分組因子，右側指定(非因子)鑒別器。
data	優先采用formula 中指定的變量的可選 DataFrame 、列表或環境。
x	(如果沒有給出公式作為主要參數，則為必需。)包含解釋變量的矩陣或 DataFrame 或矩陣。
grouping	(如果沒有給出公式主參數，則為必需。)指定每個觀察的類別的因子。
prior	類成員資格的先驗概率。如果未指定，則使用訓練集的類別比例。如果指定，則應按因子水平的順序指定概率。
subset	指定訓練樣本中使用的案例的索引向量。 (注意：如果給出，則必須命名該參數。)
na.action	指定在找到 NA 時要采取的操作的函數。默認操作是過程失敗。另一種選擇是 na.omit，它會導致拒絕任何所需變量缺失值的情況。 (注意：如果給出，則必須命名該參數。)
method	"moment" 用於均值和方差的標準估計量，"mle" 用於 MLE，"mve" 用於使用 cov.mve ，或 "t" 用於基於 t 分布的穩健估計。
CV	如果為 true，則返回 leave-out-out 交叉驗證的結果(類和後驗概率)。請注意，如果估計先驗，則使用整個數據集中的比例。
nu	method = "t" 的自由度。
...	傳遞給其他方法或從其他方法傳遞的參數。

細節

使用 QR 分解，如果組內方差對於任何組都是奇異的，則會給出錯誤消息。

值

類 "qda" 的對象包含以下組件：

prior	使用的先驗概率。
means	團體的意思。
scaling	對於每個組 i ， scaling[,,i] 是一個對觀測值進行變換的數組，以便 within-groups 協方差矩陣是球形的。
ldet	色散矩陣的半對數行列式向量。
lev	分組因子的級別。
terms	(如果公式是公式)模式表達式的對象和總結公式的類術語。
call	(匹配的)函數調用。

除非 CV=TRUE ，當返回值是包含組件的列表時：

class	MAP 分類(一個因子)
posterior	類別的後驗概率

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

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

predict.qda , lda