42. 判別分析

42. 判別分析

42.1.解析方法(変数1個)

42.1.1.判別分析の解析手順^[重要] 42.1.2.マハラノビス距離の2乗と線形判別関数と判別方式^[重要] 42.1.3.マハラノビス距離の2乗の推定値と線形判別関数の推定値^[重要] 42.1.4.誤判別の確率^[重要] 42.1.5.判別効率の推定値 42.1.6.変数選択のF0値

42.2.解析方法(変数2個以上)

42.2.1.マハラノビス距離の2乗と線形判別関数と判別方式^[重要] 42.2.2.マハラノビス距離の2乗の推定値と線形判別関数の推定値^[重要] 42.2.3.誤判別の確率^[重要] 42.2.4.判別効率の推定値 42.2.5.変数選択のF0値

42.3.サポートベクターマシン

42.3.1.点と超平面の距離^[重要] 42.3.2.サポートベクターマシン^[重要] 42.3.3.ソフトマージンサポートベクターマシン

42.4.混同行列

42.4.1.混同行列^[重要] 42.4.2.混同行列の判別性能評価 42.4.3.ROC曲線とAUC 42.4.4.ROC曲線とAUCの例^[重要]

---

 42.1. 解析方法(変数1個)

更新日 : 2022/01/10 

42.1.1. 判別分析の解析手順^[重要]

①分類したい2つの母集団が正規分布に従っていると仮定し、
　それらの平均値と、得られたサンプル値でマハラノビス距離を求める。
　その距離が近い方がその母集団に属していると判別する。
②誤判別の確率を求め精度を評価。
③変数選択を行う。
④どちらの母集団に属するのか不明なサンプルを判別する。

42.1.2. マハラノビス距離の2乗と線形判別関数と判別方式^[重要]

42.1.3. マハラノビス距離の2乗の推定値と線形判別関数の推定値^[重要]

42.1.4. 誤判別の確率^[重要]

42.1.5. 判別効率の推定値

42.1.6. 変数選択のF0値

---

 42.2. 解析方法(変数2個以上)

更新日 : 2022/01/10 

42.2.1. マハラノビス距離の2乗と線形判別関数と判別方式^[重要]

42.2.2. マハラノビス距離の2乗の推定値と線形判別関数の推定値^[重要]

42.2.3. 誤判別の確率^[重要]

42.2.4. 判別効率の推定値

42.2.5. 変数選択のF0値

---

 42.3. サポートベクターマシン

更新日 : 2022/01/10 

42.3.1. 点と超平面の距離^[重要]

42.3.2. サポートベクターマシン^[重要]

42.3.3. ソフトマージンサポートベクターマシン

---

 42.4. 混同行列

更新日 : 2022/01/10 

42.4.1. 混同行列^[重要]

42.4.2. 混同行列の判別性能評価

42.4.3. ROC曲線とAUC

ROC曲線
　横軸：偽陽性率、縦軸：真陽性率として作成した曲線。
AUC
　ROC曲線の下側の面積。0.8以上が良いとされる。

42.4.4. ROC曲線とAUCの例^[重要]

---