首页 理论教育 多元统计分析中的Fisher判别法

多元统计分析中的Fisher判别法

时间:2023-10-30 理论教育 版权反馈
【摘要】:Fisher判别又称典则判别,其适用范围为两类、多类判别。下面结合两类判别问题,叙述Fisher判别的原理。采取Fisher判别准则,使得类间点的距离最大,但类内点的距离最小。Fisher判别的步骤如下:首先我们要建立一个Fisher判别函数。此时公式(7-6)称为Fisher判别函数,C1,C2,…特别说明的是,有的学者提出将Fisher两类判别的方法用于多类判别。

多元统计分析中的Fisher判别法

Fisher判别又称典则判别(canonical discriminant),其适用范围为两类、多类判别。下面结合两类判别问题,叙述Fisher判别的原理。采取Fisher判别准则,使得类间点的距离最大,但类内点的距离最小。

Fisher判别的步骤如下:首先我们要建立一个Fisher判别函数。已知A、B两类观察对象,A类有nA例,B类有nB例,分别记载了X1,X2,…,Xm个观察指标,称为判别指标或者判别变量。Fisher判别法就是找出一个线性组合:

使综合指标Z在A类的均数与在B类的均数的差别尽可能大,而两类内综合指标Z的变异尽可能小,即使λ达到最大。

此时公式(7-6)称为Fisher判别函数,C1,C2,…,Cm称为判别系数。对λ求导,不难验证判别系数可由下列标准方程组解出:

其中分别是A类和B类第j个指标的均数(j=1,2,…,m);Sij是X1,X2,…,Xm的归并协方差阵的元素。

其中,分别为Xi和Xj于A类和B类的观察值。(www.xing528.com)

第二步我们要建立Fisher判别准则。在创立判别函数后,按公式(7-6)逐例求出判别函数值Zi,进而求出Zi的两类均数与总均数接着按下面公式来计算判别界值:

判别规则:

第三步,我们要估计各项指标对判别函数的贡献率,使用公式(7-12)进行估计。对贡献率很小的指标我们可以选择剔除,重新构建只有重要指标的判别函数。

特别说明的是,有的学者提出将Fisher两类判别的方法用于多类判别。那么方法是先将多类资料按接近程度分为两大类。如有资料显示原来类别可能是三类:一类、二类、三类,根据接近程度将一、二类的样本归成A类,三类样本作为B类。先作一次两类判别,然后再对合并的类作一次两类判别,直到把每一类都分开就停止分析,即先对A类的样本再按一、二类建立一个判别函数进行判别。第二级以后的判别函数可使用原先的指标,也可换其他的指标。这种方法称作多级两类判别。特别注意的是,进行多级两类判别时合并类时有无实际意义。如果总类数较少,其判别效果可能会差一些。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈