标签：val tor 代码 不同 相同 function 100% 数据 style
习题：根据经验，今天和昨天的湿度差X1及今天的压温差X2是预报天气下雨和不下雨的两个重要因素。现有数据如下，今测得x1=8.1，x2=2.0，试问预报明天下雨还是预报明天不下雨？分别用距离判别、Bayes判别（考虑方差相同和方差不同两种情况）和Fisher判别来得到你所需要的结论。
数据：
|
雨天 |
非雨天 |
||
|
X1(湿度差) |
X2(压温差) |
X1(湿度差) |
X2((压温差) |
|
-1.9 |
3.2 |
0.2 |
0.2 |
|
-6.9 |
10.4 |
-0.1 |
7.5 |
|
5.2 |
2.0 |
0.4 |
14.6 |
|
5.0 |
2.5 |
2.7 |
8.3 |
|
7.3 |
0.0 |
2.1 |
0.8 |
|
6.8 |
12.7 |
-4.6 |
4.3 |
|
0.9 |
-15.4 |
-1.7 |
10.9 |
|
-12.5 |
-2.5 |
-2.6 |
13.1 |
|
1.5 |
1.3 |
2.6 |
12.8 |
|
3.8 |
6.8 |
-2.8 |
10.0 |
解答：
数据文件 Rain.txt:
-1.9 3.2 -6.9 10.4 5.2 2.0 5.0 2.5 7.3 0.0 6.8 12.7 0.9 -15.4 -12.5 -2.5 1.5 1.3 3.8 6.8
数据文件 Fine.txt
0.2 0.2 -0.1 7.5 0.4 14.6 2.7 8.3 2.1 0.8 -4.6 4.3 -1.7 10.9 -2.6 13.1 2.6 12.8 -2.8 10.0
函数文件 discriminiant.distance.R
discriminiant.distance<-function
(TrnX1, TrnX2, TstX = NULL, var.equal = FALSE){
if (is.null(TstX) == TRUE) TstX<-rbind(TrnX1,TrnX2)
if (is.vector(TstX) == TRUE) TstX<-t(as.matrix(TstX))
else if (is.matrix(TstX) != TRUE)
TstX<-as.matrix(TstX)
if (is.matrix(TrnX1) != TRUE) TrnX1<-as.matrix(TrnX1)
if (is.matrix(TrnX2) != TRUE) TrnX2<-as.matrix(TrnX2)
nx<-nrow(TstX)
blong<-matrix(rep(0, nx), nrow=1, byrow=TRUE,
dimnames=list("blong", 1:nx))
mu1<-colMeans(TrnX1); mu2<-colMeans(TrnX2)
if (var.equal == TRUE || var.equal == T){
S<-var(rbind(TrnX1,TrnX2))
w<-mahalanobis(TstX, mu2, S)-mahalanobis(TstX, mu1, S)
}
else{
S1<-var(TrnX1); S2<-var(TrnX2)
w<-mahalanobis(TstX, mu2, S2)-mahalanobis(TstX, mu1, S1)
}
for (i in 1:nx){
if (w[i]>0)
blong[i]<-1
else
blong[i]<-2
}
blong
}
函数文件 discriminiant.bayes.R
discriminiant.bayes<-function
(TrnX1, TrnX2, rate=1, TstX = NULL, var.equal = FALSE){
if (is.null(TstX) == TRUE) TstX<-rbind(TrnX1,TrnX2)
if (is.vector(TstX) == TRUE) TstX<-t(as.matrix(TstX))
else if (is.matrix(TstX) != TRUE)
TstX<-as.matrix(TstX)
if (is.matrix(TrnX1) != TRUE) TrnX1<-as.matrix(TrnX1)
if (is.matrix(TrnX2) != TRUE) TrnX2<-as.matrix(TrnX2)
nx<-nrow(TstX)
blong<-matrix(rep(0, nx), nrow=1, byrow=TRUE,
dimnames=list("blong", 1:nx))
mu1<-colMeans(TrnX1); mu2<-colMeans(TrnX2)
if (var.equal == TRUE || var.equal == T){
S<-var(rbind(TrnX1,TrnX2)); beta<-2*log(rate)
w<-mahalanobis(TstX, mu2, S)-mahalanobis(TstX, mu1, S)
}
else{
S1<-var(TrnX1); S2<-var(TrnX2)
beta<-2*log(rate)+log(det(S1)/det(S2))
w<-mahalanobis(TstX, mu2, S2)-mahalanobis(TstX, mu1, S1)
}
for (i in 1:nx){
if (w[i]>beta)
blong[i]<-1
else
blong[i]<-2
}
blong
}
函数文件 discriminiant.fisher.R
discriminiant.fisher<-function(TrnX1, TrnX2, TstX = NULL){
if (is.null(TstX) == TRUE) TstX<-rbind(TrnX1,TrnX2)
if (is.vector(TstX) == TRUE) TstX<-t(as.matrix(TstX))
else if (is.matrix(TstX) != TRUE)
TstX<-as.matrix(TstX)
if (is.matrix(TrnX1) != TRUE) TrnX1<-as.matrix(TrnX1)
if (is.matrix(TrnX2) != TRUE) TrnX2<-as.matrix(TrnX2)
nx<-nrow(TstX)
blong<-matrix(rep(0, nx), nrow=1, byrow=TRUE,
dimnames=list("blong", 1:nx))
n1<-nrow(TrnX1); n2<-nrow(TrnX2)
mu1<-colMeans(TrnX1); mu2<-colMeans(TrnX2)
S<-(n1-1)*var(TrnX1)+(n2-1)*var(TrnX2)
mu<-n1/(n1+n2)*mu1+n2/(n1+n2)*mu2
w<-(TstX-rep(1,nx) %o% mu) %*% solve(S, mu2-mu1);
for (i in 1:nx){
if (w[i]<=0)
blong[i]<-1
else
blong[i]<-2
}
blong
}
运行脚本：
##原始数据
rain <- read.table("Rain.txt");
fine <- read.table("Fine.txt");
test <- c(8.1, 2.0);
#距离判别
source("discriminiant.distance.R")
discriminiant.distance(rain, fine, test, var.equal=TRUE);
# rain
discriminiant.distance(rain, fine, test);
#rain
#Bayes判别
source("discriminiant.bayes.R");
discriminiant.bayes(rain, fine, 1, test, var.equal=TRUE);
#rain
discriminiant.bayes(rain, fine, 1, test);
#rain
#Fish 判别
source("discriminiant.fisher.R");
discriminiant.fisher(rain, fine, test);
#rain
#综上，预报明天下雨
输出均为 第一种类型（1），也就是下雨（rain）。
博文源代码和习题均来自于教材《统计建模与R软件》（ISBN：9787302143666，作者：薛毅）。
标签：val tor 代码 不同 相同 function 100% 数据 style
原文地址：https://www.cnblogs.com/liulele/p/9036468.html
