R: 判別分析

判別與聚類的比較：

聚類分析和判別分析有類似的做用，都是起到分類的做用。

判別分析是已知分類而後總結出判別規則，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，甚至連分紅幾類也不知道，但願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，不一樣類的觀測相差較多，這是無指導的學習。
    因此，聚類分析依賴於對觀測間的接近程度（距離）或類似程度的理解，定義不一樣的距離量度和類似性量度就能夠產生不一樣的聚類結果

判別分析

基本原理：從已知的各類分類狀況中總結規律（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類似程度（機率最大，距離最近，離差最小等判別準則）。

經常使用判別方法：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. 每一個解釋變量不能是其它解釋變量的線性組合（好比出現多重共線性狀況時，判別權重會出現問題）；

          3. 各解釋變量之間服從多元正態分佈（不符合時，可以使用Logistic迴歸替代），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別時，判別函數不相同）。

相對而言，即便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（是否爲消費者，公司是否成功，學生是否被錄用等等），臨牀上用於鑑別診斷。

 

 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、或多個整體協方差（方差是協方差的一種）相等或不等的狀況，由 var.equal= 的邏輯參數表示，默認是 FALSE，表示認爲兩整體協方差不等。

用樣本的協方差能夠估計整體的協方差。

在Bayes方法中咱們把相等和不等的兩個結果都列了出來，距離判別裏咱們默認兩整體協方差不等。

通常使用時，咱們都以兩整體的協方差不等做爲標準來進行後續計算。

 Bayes判別

Bayes判斷 假定咱們對研究對象有必定的認識，這種認識經常使用先驗機率來描述。。。

取得樣本後，用樣原本修正已有的先驗機率分佈，得出後延機率分佈。。

再經過後驗分佈進行各類統計推斷。。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

參考文獻：

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

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  各類判別和分類方法。