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
42.4.混同行列
42.1. 解析方法(変数1個)
更新日 : 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。
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 : 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 : 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 : 42.4.1. 混同行列[重要]
42.4.2. 混同行列の判別性能評価
42.4.4. ROC曲線とAUCの例[重要]