Дискриминантный анализ - это метод классификации. Предполагается, что различные классы генерируют данные на основе различных гауссовых распределений.
Чтобы обучить (создать) классификатор, функция аппроксимации оценивает параметры гауссова распределения для каждого класса (см. Создание дискриминантной модели анализа).
Чтобы предсказать классы новых данных, обученный классификатор находит класс с наименьшей стоимостью неправильной классификации (см. Прогнозирование с использованием моделей дискриминантного анализа).
Линейный дискриминантный анализ также известен как дискриминант Фишера, названный по имени его изобретателя, сэра Р. А. Фишера [1].
Этот пример показывает, как обучить основной классификатор дискриминантного анализа для классификации ирисов в данных радужки Фишера.
Загрузите данные.
load fisheririsСоздайте классификатор анализа по умолчанию (линейного) дискриминанта.
MdlLinear = fitcdiscr(meas,species);
Чтобы визуализировать границы классификации 2-D линейной классификации данных, см. раздел Создание и визуализация классификатора дискриминантного анализа.
Классифицируйте радужку 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 границы классификации 2-D квадратичной классификации данных, см. раздел Создание и визуализация классификатора дискриминантного анализа.
Классифицируйте радужку со средними измерениями с помощью квадратичного классификатора.
meanclass2 = predict(MdlQuadratic,meanmeas)
meanclass2 = 1x1 cell array
{'versicolor'}
[1] Фишер, Р. А. «Использование множественных измерений в таксономических проблемах». Анналы Евгеники, т. 7, стр. 179 - 188, 1936. Доступно по адресу https://digital.library.adelaide.edu.au/dspace/handle/2440/15227.