R语言MASS包 lda函数使用说明 |
您所在的位置:网站首页 › wine数据集R语言 › R语言MASS包 lda函数使用说明 |
返回R语言MASS包函数列表 功能\作用概述:线性判别分析。 语法\用法:lda(x, ...) ## S3 method for class 'formula'lda(formula, data, ..., subset, na.action) ## Default S3 method:lda(x, grouping, prior = proportions, tol = 1.0e-4, method, CV = FALSE, nu, ...) ## S3 method for class 'data.frame'lda(x, ...) ## S3 method for class 'matrix'lda(x, grouping, ..., subset, na.action) 参数说明:formula : 群~x1+x2+形式的一个公式。。。也就是说,响应是分组因子,右侧指定(非因子)鉴别器。 data : 优先采用公式中规定的变量的数据框。 x : (如果没有给出公式作为主要参数,则为必选项。)包含解释变量的矩阵或数据框或矩阵。 grouping : (如果没有给出公式主参数,则必须输入。)指定每个观察值的类的因子。 prior : 类成员的先验概率。如果未指定,则使用训练集的类比例。如果存在概率,则应按照因子级别的顺序指定概率。 tol : 判断矩阵是否奇异的容差;它将拒绝方差小于的变量和单位方差变量的线性组合tol^2. subset : 指定要在训练样本中使用的事例的索引向量(注意:如果给定,则必须命名此参数。) na.action : 一个函数,用于指定在找到NAs时要采取的操作。默认操作是使过程失败。另一种方法是isna.omit,它会导致拒绝任何必需变量上缺少值的情况(注意:如果给定,则必须命名此参数。) method : “矩”用于均值和方差的标准估计,“mle”用于MLEs,“mve”用于cov.mve,或“t”用于基于t分布的稳健估计。 CV : 如果为true,则返回结果(类和后验概率)以供遗漏交叉验证。请注意,如果先验是估计的,则使用整个数据集中的比例。 nu : 方法=“t”的自由度。 ... : 传递给其他方法或从其他方法传递的参数。 示例\实例:Iris < - data.frame(rbind(iris3[,,1], iris3[,,2], iris3[,,3]), Sp = rep(c("s","c","v"), rep(50,3)))train < - sample(1:150, 75)table(Iris$Sp[train])## your answer may differ## c s v## 22 23 30z < - lda(Sp ~ ., Iris, prior = c(1,1,1)/3, subset = train)predict(z, Iris[-train, ])$class## [1] s s s s s s s s s s s s s s s s s s s s s s s s s s s c c c## [31] c c c c c c c v c c c c v c c c c c c c c c c c c v v v v v## [61] v v v v v v v v v v v v v v v(z1 < - update(z, . ~ . - Petal.W.)) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |