判別與聚類的比較：

聚類分析和判別分析有相似的作用，都是起到分類的作用。

判別分析是已知分類然后總結出判別規則，是一種有指導的學習；

聚類分析則是有了一批樣本，不知道它們的分類，甚至連分成幾類也不知道，希望用某種方法把觀測進行合理的分類，使得同一類的觀測比較接近，不同類的觀測相差較多，這是無指導的學習。
????所以，聚類分析依賴于對觀測間的接近程度（距離）或相似程度的理解，定義不同的距離量度和相似性量度就可以產生不同的聚類結果

判別分析

基本原理：從已知的各種分類情況中總結規律（訓練出判別函數），當新樣品進入時，判斷其與判別函數之間的相似程度（概率最大，距離最近，離差最小等判別準則）。

常用判別方法：最大似然法，Bayes判別法，距離判別法，Fisher判別法，逐步判別法等。

注意事項：1. 判別分析的基本條件：分組類型在兩組以上，解釋變量必須是可測的；

??????????2. 每個解釋變量不能是其它解釋變量的線性組合（比如出現多重共線性情況時，判別權重會出現問題）；

??????????3. 各解釋變量之間服從多元正態分布（不符合時，可使用Logistic回歸替代），且各組解釋變量的協方差矩陣相等（各組協方方差矩陣有顯著差異時，判別函數不相同）。

相對而言，即使判別函數違反上述適用條件，也很穩健，對結果影響不大。

應用領域：對客戶進行信用預測，尋找潛在客戶（是否為消費者，公司是否成功，學生是否被錄用等等），臨床上用于鑒別診斷。

?

?本文中分三個方法介紹判別分析，Bayes判別，距離判別，Fisher判別。

Bayes 和 距離判別：都要考慮兩個、或多個總體協方差（方差是協方差的一種）相等或不等的情況，由 var.equal= 的邏輯參數表示，默認是 FALSE，表示認為兩總體協方差不等。

用樣本的協方差可以估計總體的協方差。

在Bayes方法中我們把相等和不等的兩個結果都列了出來，距離判別里我們默認兩總體協方差不等。

一般使用時，我們都以兩總體的協方差不等作為標準來進行后續計算。

?Bayes判別

Bayes判斷 假定我們對研究對象有一定的認識，這種認識常用先驗概率來描述。。。

取得樣本后，用樣本來修正已有的先驗概率分布，得出后延概率分布。。

再通過后驗分布進行各種統計推斷。。

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

參考文獻：

https://blog.csdn.net/zhubo22/article/details/8194772? ?總述 聚類與判別之間的關系

https://blog.csdn.net/tiaaaaa/article/details/58145126? 判別分析的實例與原理。

https://blog.csdn.net/chen790646223/article/details/45450301? 各種判別和分類方法。

轉載于:https://www.cnblogs.com/li-20151130/p/9114249.html

總結

以上是生活随笔為你收集整理的R: 判别分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。