Дискриминантный анализ является методом классификации. Это принимает, что различные классы генерируют данные на основе различных Распределений Гаусса.
Чтобы обучаться (создают) классификатор, подходящая функция оценивает параметры Распределения Гаусса для каждого класса (см. Модель Дискриминантного анализа Создания).
Чтобы предсказать классы новых данных, обученный классификатор находит класс с самой маленькой стоимостью misclassification (см., что Предсказание Использует Модели Дискриминантного анализа).
Линейный дискриминантный анализ также известен как дискриминант Фишера, названный по имени его изобретателя, сэра Р. А. Фишера [1].
В этом примере показано, как обучить основной классификатор дискриминантного анализа классифицировать ирисовые диафрагмы на ирисовые данные Фишера.
Загрузите данные.
load fisheririsСоздайте (линейный) классификатор дискриминантного анализа по умолчанию.
MdlLinear = fitcdiscr(meas,species);
Чтобы визуализировать контуры классификации 2D линейной классификации данных, смотрите, Создают и Визуализируют Классификатор Дискриминантного анализа.
Классифицируйте ирисовую диафрагму со средними измерениями.
meanmeas = mean(meas); meanclass = predict(MdlLinear,meanmeas)
meanclass = 1x1 cell array
{'versicolor'}
Создайте квадратичный классификатор.
MdlQuadratic = fitcdiscr(meas,species,'DiscrimType','quadratic');
Чтобы визуализировать контуры классификации 2D квадратичной классификации данных, смотрите, Создают и Визуализируют Классификатор Дискриминантного анализа.
Классифицируйте ирисовую диафрагму со средними измерениями с помощью квадратичного классификатора.
meanclass2 = predict(MdlQuadratic,meanmeas)
meanclass2 = 1x1 cell array
{'versicolor'}
[1] Фишер, R. A. Использование Нескольких Измерений в Таксономических проблемах. Летопись Евгеники, Издания 7, стр 179–188, 1936. Доступный в https://digital.library.adelaide.edu.au/dspace/handle/2440/15227.