问题标签 [linear-discriminant]

I am using the lda function in R to fit a model. After fitting a model, I would like to use the fits to then put into a computer program to classify based on inputs. I only see the coefficients of linear discriminants and group means. I thought I need the intercept and coefficients to get the actual score for each group.

我一直在研究这篇文章基于主成分分析的结构健康监测：损伤检测、定位和分类，它实施 PCA 模型以识别钢框架结构中的损伤。在这里，它讨论了对 PCA 模型使用 Q、T 以及（Q 和 T）统计和 I 统计测试的组合，以识别损坏并将其定位在结构中。我知道使用 PCA 和hotelling t 统计可以使用以下链接完成：

• Hotelling 在 python 中的 T^2 分数

我的问题如下：

1. 有没有更好的方法来计算hotelling t 统计量？
2. 如何计算python中的Q统计量？
3. 是否可以将这些参数实现到 LDA？如果是，我需要从 LDA 中提取什么来计算 Q、T 以及（Q 和 T）和 I 统计检验的组合？
4. （额外问题）如何使用统计测试从上面的文章中获得贡献方法？

编辑1：

我在网上搜索并找到以下链接T-Squared Q 残差和贡献，并尝试计算 T-Squared 和 Q 残差计算的方程，但是，我在 Q 残差计算中不断出错。我的代码中可能有什么错误？（我的输入矩阵大小 [50, 7]）另外，是否可以用我的输入绘制 Q 与 T 的关系？

代码：

编辑2：

我设法整理出使用 Q-Residual、Hotelling 的 T 平方统计量和 Phi（Q-Residual 和 Hotelling 的 T 平方的组合）到 PCA 模型的方程，我使用了以下具有贡献的方程：

然而，当涉及到 LDA 模型的 Q-residual 时，它会不断地围绕这个等式出现错误：

我使用以下内容来获取加载和分数，

主成分分析：

低密度脂蛋白：

如何使用 LDA 获取三个索引？

我正在尝试在 R 中匹配来自 SPSS 的逐步 DFA 输出（它给出了一个 % 分类），我相信它使用 glm 或 lda，但它看起来很复杂。

基本上，我想从 DF 中的大约 20 个变量中预测谁未通过考试（dataframe=examscores，passedfail 是分类 DV），我们称它们为 A、B、C 等。

任何建议，将不胜感激。

因此，根据第一条评论，我想使用 DV 的 passfail 预测谁将通过/失败，它有两个级别，0 和 1。

我想从 20 个分数变量中预测这一点，这些变量太长而无法在此处输入，所以只需使用 A、B、C 等。所有这 20 个变量都包含数字分数。

正如我所说，我正在尝试匹配 R 中 SPSS 的逐步 DFA 输出，但它似乎非常复杂。

我一直在 SPSS 工作，需要知道如何在 R 中运行判别分析。我想象我的语法在 SPSS 中看起来像这样

在 R 中应该如下所示？在 R 中使用 wilks lambda 进行基本判别分析并保存预测组的语法是什么？

我将 LDA 用于分类数据来估计每个类别是否有意义地可分离。

关键是，我可以做一个图来看看每个类别是如何分开的。但是，为了科学地支持，我想要统计分析中的详细值。从 sklearn LinearDiscriminantAnalysis，我可以打印出 coef_、means_ 等。

可能，我可以总结每个类别系数值的绝对值，并估计类别是如何分离的，但我不确定这种方法是否正确。

另外，我知道有些人使用特征值和正确性以及 P 值和 Wilks Lambda。但我不知道如何生成这些值以及如何解释这些结果。

谁能解释我如何获得这些值（特征值、正确性、Wilks Lamda）以及如何解释这些值？

我运行了这段代码

这是 sklearn这里的一个例子

我有这个错误：

从这条线

这对我来说似乎在语法上是正确的。所以，我不确定出了什么问题，或者这个参数可能存在版本依赖关系（？）。

任何想法，将不胜感激。

以iris数据集为例，我理解要执行 LDA，你可以使用这个：

它将返回组均值、线性判别系数和迹比例。

但是，有没有办法将线性判别系数提取到数据框中？

在 Python 中，我可以通过对具有 2 个类的数据执行线性判别分析从 200k 中获得 100 个最佳特征吗？

I'm running this code and I got an error witht the fit function

Here is the error :

How to fix it? (got the same error upgrading scikit learn, and also on google collab)

我正在尝试使用正则化判别分析而不是传统的线性判别分析，因为我的数据显示异方差性和不相等的组大小。为了找到允许更高成功率的最佳 lambda 和 gamma 值，我使用了该caret软件包。然而，一位同事表示，这样做意味着由于过度拟合，成功率可能会被人为夸大。据我所知，当我在 caret 包中定义 trainControl 的参数时，我定义了一个交叉验证方法，这有助于处理过度拟合。我对吗？

这是我的数据和代码的示例：

据我所知，当我在 caret 包中定义 trainControl 的参数时，我定义了一个交叉验证方法，这有助于处理过度拟合。我对吗？