在中R
,我使用lda
库中的函数MASS
进行分类。据我了解LDA,输入将被分配标签,这将最大化,对吗?
但是当我拟合其中我不太了解的输出, lda
编辑:要重现下面的输出,请首先运行:
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
我了解上述输出中的所有信息,但有一件事是LD1
什么?我在网上搜索它,它是线性判别分数吗?那是什么,为什么我需要它?
更新
我阅读了几篇文章(例如this和this),还在网上搜索了DA,现在这就是我对DA或LDA的看法。
它可以用来进行分类,当达到目的时,我可以使用贝叶斯方法,即为每个类计算后验,然后将归类为具有最高后验性的类。 。通过这种方法,我根本不需要找出区别,对吗?
正如我在帖子中看到的那样,DA或至少LDA主要是针对降维,对于类和 -dim预测变量空间,我可以将 -dim投影到新的 -dim特征空间,即,可以看作是原始的变换后的特征向量,每个是投影的向量。
我对上述说法正确吗?如果是,我有以下问题:
什么是判别式?向量中的每个条目是否都是判别式?还是?
如何使用判别式进行分类?
discriminant analysis
在此站点上搜索。