矿床统计预测2017-9-判别分析(含k-最近邻).pptVIP

9.1 概述;判别分析法用于矿产预测的基本思路是，假设所有单元可分为不同的类别，如“无矿单元”、“含矿单元” ；选择一批控制单元，它们也可分为这两类；根据控制单元中的多变量数据，建立一个判别模型，然后应用该模型，判断任一未知单元属于这些类别中的哪一类。一旦识别了一个未知单元的类别，也就实现了对它是否含矿的预测。 以下主要介绍狭义的判别分析，即基于费歇（Fisher）准则的两类判别分析方法。这是一种传统的多元统计分析方法。;基于费歇准则的两类判别，简称为费歇（Fisher）判别，是假设已知对象分为2类的情况下，判断任一未知对象的类别。（对象=样品）;9.2 基于费歇准则的两类判别分析;投影后，两点群中心的”距离”可表示为;费歇准则是使投影后的类间距离尽量大、类内离差尽量小的最优化准则，即令;其中，;9.2 基于费歇准则的两类判别分析;9.2.2 判别函数的使用;判别函数是否有效，可用两种方法进行检验： （1）回判。 计算已知样品的判别得分，并据此归类（称回判）。一般来说判对率越高说明判别函数越好。实际中若判对率达到如80%以上，可认为判别函数有效。 （2）F-检验。 求第一自由度为p, 第二自由度为NA+ NB - p - 1的F-统计量： ;一个简单例子，用于说明费歇判别分析应用过程。;9.2.4 判别分析举例;9.2.4 判别分析举例;9.2.4 费歇判别分析举例;9.3.1 概述;9.3.1 概述;9.3.2 输出类标号的k-最近邻法;式中f(x)称为x的目标函数值，其值是类标号；v是已知类别号，argmax 表示在k个样品类标号中，出现最多的那一个，即v。;9.3.2 输出类标号的k-最近邻法;9.3.2 输出类标号的k-最近邻法;9.3.3 输出连续值的k-最近邻法;9.3.3 输出连续值的k-最近邻法——简单例子;9.3.4 距离加权k-最近邻法;9.3.4 距离加权k-最近邻法;9.3.4 距离加权k-最近邻法;9.3.4 距离加权k-最近邻法;9.3.5 应用注意事项;9.3.5 例;9.3 基于实例的学习方法;9.3 基于实例的学习方法;9.3 基于实例的学习方法;9.3 基于实例的学习方法;9.3 基于实例的学习方法;9.3 基于实例的学习方法;（1）什么是判别分析？ （2）什么是费歇准则？什么是判别函数？什么是判别得分？ （3）费歇准则下的两类判别函数是如何建立的？ （4）如何对判别函数进行显著性检验？ （5）什么是k-最近邻法？什么是输出类标号和输出连续值的k-最近邻法？什么是距离加权k-最近邻法？它们的计算过程是什么？ （6）k-最近邻法与费歇准则下的两类判别有何异同？