1

我正在研究模式识别和统计。我喜欢在 R 中使用直接函数,而不是显式编写代码。我的问题是,在一个三类二维问题中,我的每个类的特征向量都与协方差矩阵呈正态分布

s <- matrix(c(1.2,0.4,0.4,8),nrow=2)
每个类的平均向量是

m1 <- t(c(0.1, 0.1));m2 <- t(c(2.1, 1.9));m3 <- t(c(-1.5, 2.0))

假设类是同样可能的,我想对特征向量进行分类

x <- t(c(1.6,1.5))

根据我成功完成的贝叶斯最小误差概率分类器,现在我想绘制马氏距离曲线

我尝试了包mahalanobis(x, center, cov, inverted = FALSE, ...)内的功能{stats}。但是我很困惑,因为我的问题中已经有了意思和 var-cov 矩阵,并且mahalanobis()函数没有为我的问题提供便利!或者它提供了?我不知道!

请任何人指导我如何特别参考我的问题计算马氏距离并绘制马氏距离曲线。提前致谢!

上述问题的一个样本是

在此处输入图像描述

4

1 回答 1

0

我不确定你到底在寻找什么曲线,但关于使用 mahalanobis 函数,只需将均值和协方差矩阵作为参数放入。

dat <- iris[,-5]
mahal <- mahalanobis(x = dat, center = colMeans(dat), cov = cov(dat))
于 2017-05-06T06:34:09.413 回答