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. and 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.