判别分析是一种分类方法。它假设不同的类生成基于不同的高斯分布的数据。
培训(创建)分类器,拟合功能估计每个类的高斯分布的参数(参见创建判别分析模型)。
为了预测新数据的类,训练有素的分类器找到具有最小错误分类成本的类(参见使用判别分析模型预测)。
线性判别分析也称为Fisher判别,以其发明人命名,R. A. Fisher[1]。
此示例显示如何训练基本判别分析分类器以对Fisher的Iris数据进行分类。
加载数据。
加载渔民
创建默认(线性)判别分析分类器。
mdllinear = fitcdiscr(meas,meaties);
要可视化数据的2-D线性分类的分类边界,请参阅创建和可视化判别分析分类器。
将虹膜分类为平均测量。
意思是=平均值(meas);VealClass =预测(MDllinear,意思是)
Veanclass =.1x1细胞阵列{'versicolor'}
创建二次分类器。
mdlquadratic = fitcdiscr(meas,speies,'isstrimtype'那'二次');
要可视化2-D二次分类的分类边界,请参阅创建和可视化判别分析分类器。
使用二次分类器分类平均测量的虹膜。
VealClass2 =预测(MDLQuadratic,意思)
Veanclass2 =1x1细胞阵列{'versicolor'}
[1] Fisher,R.A。“在分类问题中使用多重测量。”珍珠学史,卷。7,pp。179-188,1936。可用https://digital.library.adelaide.edu.au/dspace/handle/2440/15227。