使用判别分析模型的预测- MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

使用判别分析模型进行预测

预测使用三个量对观察结果进行分类:后验概率，先验概率,费用．

预测分类以使预期的分类成本最小化:

$\overset{＾}{y} ＝ \underset{y ＝ 1 ，．.. ， K}{参数最小值} \sum_{k ＝ 1}^{K} \overset{＾}{P} （ k | x) C （ y | k) ，$

在哪里

的空间X值分为区域进行分类Y是一个特定的值。线性判别分析用直线分隔区域，二次判别分析用二次曲线(椭圆、双曲线或抛物线)分隔区域。有关这些区域的可视化，请参见创建和可视化判别分析分类器．

一个点的后验概率x属于类k的乘积是先验概率和多元正态密度。多元法线的密度函数d意思是μ_k和d——- - - - - -d协方差Σ_k在1 -d指向x是

$P （ x | k) ＝ \frac{1}{{（ {（ 2 π)}^{d} | Σ_{k} |)}^{1 / 2}} 经验值（ - \frac{1}{2} （ x - μ_{k}) Σ_{k}^{- 1} {（ x - μ_{k})}^{T}) ，$

在哪里 $| Σ_{k} |$ 是Σ的行列式吗_k, $Σ_{k}^{- 1}$ 是逆矩阵。

允许P（k)表示类的先验概率k．然后是观察到的后验概率x他是一流的k是

$\overset{＾}{P} （ k | x) ＝ \frac{P （ x | k) P （ k)}{P （ x)} ，$

在哪里P（x)是一个标准化常数，即求和k属于P（x|k)P（k)．

先验概率是三种选择之一：

创建分类器之后obj，你可以使用点表示法设置prior:

obj。Prior = v;

在哪里v是表示每个元素出现频率的正元素向量。设置新的先验值时，无需重新训练分类器。

有两种与鉴别分析分类相关的成本:每类真实的误分类成本，和每观察的预期误分类成本。

成本(i, j)将观察结果分类的成本是多少j如果它真正的阶级是我．默认情况下,成本（i，j）=1如果i~=j,成本（i，j）=0如果i=j．换句话说，成本是0正确分类，以及1不正确的分类。

您可以在创建分类器时设置任何您喜欢的成本矩阵费用名称-值对的fitcdiscr．

创建分类器之后obj，你可以使用点符号设置自定义成本:

obj。费用＝B;

B方阵的大小是多少K——- - - - - -K当有K类。在设置新的代价时，不需要重新训练分类器。

假设你有诺布你想用训练过的判别分析分类器分类的观察结果obj．假设你有K类。你将观察结果放入一个矩阵中Xnew每行只有一个观测值。命令

(标签、分数、成本)=预测(obj Xnew)

在其他输出中，返回大小为的成本矩阵诺布——- - - - - -K．成本矩阵的每一行都包含了将观察结果分类为每一个的预期(平均)成本K类。成本(n, k)是

$\sum_{我＝ 1}^{K} \overset{＾}{P} （我 | X （ n)) C （ k | 我) ，$

在哪里