analisi discriminante ha tre applicazioni principali , il più importante dei quali è la classificazione . Classificazione in analisi discriminante consente a un utente di prevedere l’appartenenza al gruppo di un punto dati . Un esempio di applicazione del discriminante di classificazione analisi è una banca che utilizza metodi di classificazione per determinare se i richiedenti prestito sarà rischioso . Metodo di base

di analisi discriminante della classificazione funziona formando una funzione discriminante . Questa funzione discriminante crea confini tra gruppi di punti dati . Quando un nuovo punto di dati in ingresso , il punto cade tra una serie di limiti ed è “classificato” come essere in quel gruppo . Ai fini della classificazione reali , coefficienti discriminanti ( i coefficienti della funzione discriminante ) sono sufficienti per applicare l’analisi discriminante .

Somiglianza di Analisi di regressione

classificazione in analisi discriminante richiama analogie per analisi di regressione . L’analisi di regressione di solito prende in variabili in termini di numeri reali . La sua uscita è anche un numero reale . L’analisi della regressione è quello di utilizzare le variabili di “prevedere ” il numero reale come uscita . L’analisi discriminante esegue mediante mezzi simili : Prende in variabili nello stesso modo di quella di analisi di regressione , ma l’uscita non è un numero reale . L’obiettivo dell’analisi discriminante è quello di utilizzare le variabili a ” qualificare ” il punto dati in un unico gruppo .

Metodi

Ci sono due metodi principali di classificazione in analisi discriminante – Fisher e Mahalanobis di . Mentre il processo complessivo di analisi discriminante rimane la stessa , la scelta di utilizzare Fisher o metodo di Mahalanobis nel processo di classificazione punti dati può incidere sulla classificazione certa misura . L’approccio di Fisher tenta di massimizzare il rapporto della variazione fra gruppi punteggi discriminanti come in funzione discriminante alla variazione all’interno del gruppo . Metodo di Mahalanobis , invece , è quello di calcolare la distanza covarianza aggiustato da un punto dati per il baricentro di ciascun gruppo; il gruppo con il baricentro che produce la distanza minima è quindi definito come il padre del punto dati .

Gruppi

L’ uscita di qualsiasi applicazione di qualsiasi forma di discriminante analisi produrrà una classificazione per un punto dati . Il numero dei gruppi può essere scelto dall’utente . La classificazione nella forma a due gruppi di analisi discriminante è più semplice da applicare e produce da interpretare semplici grafici. Nel caso di tre o più possibilità di classificazione , il metodo di analisi discriminante ha un effetto maggiore . Infatti, nel caso in due gruppi , Fisher e approcci di Mahalanobis sarà equivalente .