DA | R Documentation |
Realiza analise discriminante linear e quadratica.
DA(data, class = NA, type = "lda", validation = "learning",
method = "moment", prior = NA, testing = NA)
data |
Dados a serem a classificados. |
class |
Vetor com os nomes das classes dos dados. |
type |
"lda": analise discriminante linear (default), ou |
validation |
Tipo de validacao: |
method |
Metodo de classificacao: |
prior |
Probabilidades de ocorrencia das classes. Se nao especificado, tomara as proporcoes das classes. Se especificado, as probabilidades devem seguir a ordem dos niveis dos fatores. |
testing |
Vetor com os indices que serao utilizados em data como teste. Para validation = "learning", tem-se testing = NA. |
confusion |
Tabela de confusao. |
error.rate |
Proporcao global de erro. |
prior |
Probabilidade das classes. |
type |
Tipo de analise discriminante. |
validation |
Tipo de validacao. |
num.class |
Numero de classes. |
class.names |
Nomes das classes |
method |
Metodo de classificacao. |
num.correct |
Numero de observacoes corretas. |
results |
Matriz com resultados comparativos das classificacoes. |
Paulo Cesar Ossani
Marcelo Angelo Cirillo
Ferreira, D. F. Estatistica Multivariada. 2a ed. revisada e ampliada. Lavras: Editora UFLA, 2011. 676 p.
Mingoti, S. A. Analise de dados atraves de metodos de estatistica multivariada: uma abordagem aplicada. Belo Horizonte: UFMG, 2005. 297 p.
Rencher, A. C. Methods of multivariate analysis. 2th. ed. New York: J.Wiley, 2002. 708 p.
Ripley, B. D. Pattern Recognition and Neural Networks. Cambridge University Press, 1996.
Venabless, W. N.; Ripley, B. D. Modern Applied Statistics with S. Fourth edition. Springer, 2002.
data(iris) # conjunto de dados
data = iris[,1:4] # dados a serem classificados
class = iris[,5] # classe dos dados
prior = c(1,1,1)/3 # probabilidade a priori das classes
res <- DA(data, class, type = "lda", validation = "learning",
method = "mle", prior = prior, testing = NA)
print("Tabela de confusao:"); res$confusion
print("Proporcao global de acerto:"); 1 - res$error.rate
print("Probabilidade das classes:"); res$prior
print("Metodo de classificacao:"); res$method
print("Tipo analise discriminante:"); res$type
print("Nomes das classes:"); res$class.names
print("Numero de classes:"); res$num.class
print("Tipo de validacao:"); res$validation
print("Numero de observacoes corretas:"); res$num.correct
print("Matriz com os resultados da classificacao:"); res$results
### validacao cruzada ###
amostra = sample(2, nrow(data), replace = TRUE, prob = c(0.7,0.3))
datatrain = data[amostra == 1,] # dados para treino
datatest = data[amostra == 2,] # dados para teste
dim(datatrain) # dimensao dados treino
dim(datatest) # dimensao dados teste
testing = as.integer(rownames(datatest)) # indice dos dados teste
res <- DA(data, class, type = "qda", validation = "testing",
method = "moment", prior = NA, testing = testing)
print("Tabela de confusao:"); res$confusion
print("Proporcao global de acerto:"); 1 - res$error.rate
print("Numero de observacoes corretas:"); res$num.correct
print("Matriz com os resultados da classificacao:"); res$results
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.