R: 判别分析

判别与聚类的比较：

聚类分析和判别分析有类似的做用，都是起到分类的做用。

判别分析是已知分类而后总结出判别规则，是一种有指导的学习；

聚类分析则是有了一批样本，不知道它们的分类，甚至连分红几类也不知道，但愿用某种方法把观测进行合理的分类，使得同一类的观测比较接近，不一样类的观测相差较多，这是无指导的学习。
    因此，聚类分析依赖于对观测间的接近程度（距离）或类似程度的理解，定义不一样的距离量度和类似性量度就能够产生不一样的聚类结果

判别分析

基本原理：从已知的各类分类状况中总结规律（训练出判别函数），当新样品进入时，判断其与判别函数之间的类似程度（几率最大，距离最近，离差最小等判别准则）。

经常使用判别方法：最大似然法，Bayes判别法，距离判别法，Fisher判别法，逐步判别法等。

注意事项：1. 判别分析的基本条件：分组类型在两组以上，解释变量必须是可测的；

          2. 每一个解释变量不能是其它解释变量的线性组合（好比出现多重共线性状况时，判别权重会出现问题）；

          3. 各解释变量之间服从多元正态分布（不符合时，可以使用Logistic回归替代），且各组解释变量的协方差矩阵相等（各组协方方差矩阵有显著差别时，判别函数不相同）。

相对而言，即便判别函数违反上述适用条件，也很稳健，对结果影响不大。

应用领域：对客户进行信用预测，寻找潜在客户（是否为消费者，公司是否成功，学生是否被录用等等），临床上用于鉴别诊断。

 

 本文中分三个方法介绍判别分析，Bayes判别，距离判别，Fisher判别。

Bayes 和 距离判别：都要考虑两个、或多个整体协方差（方差是协方差的一种）相等或不等的状况，由 var.equal= 的逻辑参数表示，默认是 FALSE，表示认为两整体协方差不等。

用样本的协方差能够估计整体的协方差。

在Bayes方法中咱们把相等和不等的两个结果都列了出来，距离判别里咱们默认两整体协方差不等。

通常使用时，咱们都以两整体的协方差不等做为标准来进行后续计算。

 Bayes判别

Bayes判断 假定咱们对研究对象有必定的认识，这种认识经常使用先验几率来描述。。。

取得样本后，用样原本修正已有的先验几率分布，得出后延几率分布。。

再经过后验分布进行各类统计推断。。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

参考文献：

https://blog.csdn.net/zhubo22/article/details/8194772   总述 聚类与判别之间的关系

https://blog.csdn.net/tiaaaaa/article/details/58145126  判别分析的实例与原理。

https://blog.csdn.net/chen790646223/article/details/45450301  各类判别和分类方法。