fisher discrimination with R code

最新推荐文章于 2024-08-15 17:43:43 发布

原创最新推荐文章于 2024-08-15 17:43:43 发布 · 256 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了一种使用R语言实现的Fisher判别分析方法，通过从数据集中随机抽取样本构建预测模型，并利用剩余数据进行预测检验，计算预测准确率。此过程通过循环执行并计算平均准确率和标准差，适用于分类问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

rm(list = ls())#清空所有内存
library("MASS")
xx<-read.csv("D:\\文档\\Tencent Files\\510271461\\FileRecv\\zuoye.csv")
data<-xx
fisher<-function(data,n,form){
accu<-0
for (i in 1:10){
ind<-sample(1:nrow(data),round(0.6*nrow(data)),replace=FALSE)#取出data中的任意6个数据

newdata=data[ind,]#将这6行重新建立数据框，用于预测模型构建
fm<-lda(form,data=newdata)#构建模型，也就是求解fish判别函数相关系数
pre<-predict(fm,data[-ind,-1])$class#利用源数据中的剩余数据进行预测检验，$CLASS就是要提取出来预测结果，你这里是male和female
t<-table(data[-ind,1],pre)#生产一个表，这个可以看书上的例子，就是一个矩阵（行是原始数据结果，列是预测数据结果）的样子差不多，单元格数据为统计值。
accu[i]<-sum(diag(t))/sum(t)#把表中对角线的数据（也就是预测和实际一致的数据）求和，sum（t）就是把整个table的数据加起来，也就是包括一些预测不对的。
}
return(c(mean(accu),sd(accu)))
}