Loading… Flash Player 9 (or above) is needed to view presentations. We have detected that you do not have it on your computer. To install it, go here. NagoyaR_3_discriminant - Presentation Transcript Nagoya.R #3 (2010/06/19) R言語による判別分析入門 小林雄一郎 (大阪大学/日本学術振興会) 1 1. 判別分析とは 何らかの数学的な基準に基づいて、大量のデータを 複数のグループに分類する手法 目的変数(どんなグループに分類するか)と、 説明変数(何を手がかりに分類するか)を明確に 判別関数 y = a1 x1 + a 2 x 2 + … + a p x p + a 0
判別分析のモデル式は次のように表すことができる。 Sex = α + β1Height + β2Weight ここで従属変数Sexは2つのカテゴリをもつカテゴリカル型の変数であり、独立変数HeightとWeightは連続型の変数である。勘のいい人は気づいたかもしれないが、これは2値ロジットモデルとして解析されるべきモデルである。実際、表1のデータセットに対してロジスティック回帰分析を行っても問題なく、得られる結論も判別分析と同等であるといえる。これについては後述することにして、とりあえず判別分析モデルとして解析してみよう。 Rで判別分析を行うにはMASSパッケージに含まれているlda()という関数を用いる。 # MASSパッケージの呼び出し > library(MASS) # 身長・体重・性別のデータを用意する > Height <- c(177, 180, 175, 182, 170,
正準判別分析 Last modified: Jul 06, 2015 目的 正準判別分析を行う。 MASS パッケージにある lda は,3群以上の判別の場合には,正準判別分析を行っている。 そして,このプログラムも lda も,全く同じ答えを出す。 使用法 candis(data, group) print.candis(obj) summary.candis(obj) plot.candis(obj, pch=as.integer(obj$group), col=as.integer(obj$group)) 引数 data データ行列(行がケース,列が変数) group 各ケースがどの群であるかを表す変数 obj candis が返すオブジェクト 3 群以上の判別図 pch プロット記号(判別する群の数と同じ長さの整数ベクトル) col プロット色(判別する群の数と同じ長さの整
のような線形結合(1次式による合成変量)をつくり,この値によって判別することを考える. 係数 が与えられると,表6.1の 個の個体の各々に対して,合成変量
( ゜д゜) うりゃあ ひっそりと活きている雪本さん。ピチピチとはねるイキの良さ……という年ではなくなってしまいましたが,まあ,ほどほどに元気ですよ? 唐突に。 重回帰分析とは,従属変数とのズレが一番小さい,複数の独立変数の組合せによる直線的合成変数をつくることを目的としている……そんな統計手法と言うことができるでしょう。 ようするに,直線を作る手法の一つなんだよ,ということです。 ※注意※ 【あ】さん,【い】さんのお二人から,以下の「多変量解析は『直線』を基本とする」という説明は「説明変数が一つのとき」のみ適切であり,説明変数が増えると「直線」ではなく「平面」,その拡張版(?)であるらしい「超平面」という概念を使わないと不適切になってしまうそうです。 現在,「超平面」についての十分な理解ができておりませんので,この概念を使って具体的にどのように,記事の文章を修正すればよいのかわかりません
〒606-8161 京都市左京区一乗寺木ノ本町15番地 TEL:075-723-0111 FAX:075-723-0095 E-Mail: iihon-ippai@nakanishiya.co.jp 会社案内 お問い合せ・目録ご請求 心理学書販売研究会blog 教科書採用献本申込み 書店様用書籍注文フォーム ※リンクについて 当サイト、各コンテンツへのリンク許可のお問い合わせは不要です。ご自由にどうぞ。 ※RSS配信について 心理・教育・社会系のための入門 この本をオンラインで購入するにはここをクリック 足立浩平 著 2006年7月発行 税込定価 2730円 B5判 176頁 ISBN4-7795-0057-5 <内 容> ?できるだけ数式を使わない,?原理のエッセンスを伝える、?必要最小限の記述で効率よく学ぶ、3つの基本方針により因子分析や構造方程式モデリングな
2群の場合の,マハラノビスの汎距離の最小化にもとづく線形判別関数の導出(2)は,6章で示した形で多群の場合に一般化されたが,相関比を最大化する線形判別関数の導出(1)もまた,群の場合に拡張することができ, (canonical discriminant analysis)とか (multiple discriminant analysis)あるいは単に(canonical analysis)と呼ばれる方法が導かれる.そこでは1つの観測値 を,特定のどれかの群に判別するという観点よりも,群間の相違を(canonical variate)と呼ばれる少数個の変量を用いて,できるだけ明確に表現することに重点がおかれる.データとしては,前章と同じく表6.1のような群の変量観測値が得られているものとする. Tomoyuki Tarumi 平成16年5月13日
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く