ではR
、lda
ライブラリの関数を使用MASS
して分類を行います。LDAを理解すると、入力はラベルが割り当てられ、が最大化されますよね?
私はモデルを適合場合には、ここでlda
、
編集:以下の出力を再現するには、最初に実行します:
library(MASS)
library(ISLR)
train = subset(Smarket, Year < 2005)
lda.fit = lda(Direction ~ Lag1 + Lag2, data = train)
> lda.fit Call: lda(Direction ~ Lag1 + Lag2, data = train) Prior probabilities of groups: Down Up 0.491984 0.508016 Group means: Lag1 Lag2 Down 0.04279022 0.03389409 Up -0.03954635 -0.03132544 Coefficients of linear discriminants: LD1 Lag1 -0.6420190 Lag2 -0.5135293
上記の出力のすべての情報を理解していますが、1つのことは何LD1
ですか?ウェブで検索しますが、線形判別スコアですか?それは何ですか、なぜ必要なのですか?
更新
私はいくつかの投稿を読んで(これやこれなど)、ウェブでDAを検索しましたが、DAまたはLDAについて私が思うことはここにあります。
これを使用して分類を行うことができます。これが目的の場合、ベイズアプローチを使用できます。つまり、各クラスy iの事後を計算し、xを最高のクラスに分類します。後部。このアプローチでは、判別式を見つける必要はまったくありませんか?
私が投稿で読んだように、DAまたは少なくともLDAは主にKクラスとDの次元削減を目的としています -dim予測子空間について、 -dim を新しい -dim特徴空間投影できます、つまり
、は元のから変換された特徴ベクトルとして見ることができ、各はが投影されるベクトルです。
上記の説明について正しいですか?はいの場合、次の質問があります。
判別式とは何ですか?ベクトルzの各エントリは判別式ですか?それともワット私は?
判別式を使用して分類を行う方法は?
discriminant analysis
このサイトで検索してください。