《R語言課程學(xué)習(xí)報(bào)告2800字（論文）》

R語言課程學(xué)習(xí)報(bào)告--基于R語言的辨別分析摘要R是用于統(tǒng)計(jì)分析、繪圖的語言和操作環(huán)境。R是屬于GNU系統(tǒng)的一個(gè)自由、免費(fèi)、源代碼開放的軟件，它是一個(gè)用于統(tǒng)計(jì)計(jì)算和統(tǒng)計(jì)制圖的優(yōu)秀工具。R語言的核心是解釋計(jì)算機(jī)語言，其允許分支和循環(huán)以及使用函數(shù)的模塊化編程。R語言允許與以C，C++，.Net，Python或FORTRAN語言編寫的過程集成以提高效率。辨別分析（discriminatanalysis）要解決的問題是在一些已知研究對象已經(jīng)用某種方法分成若干類的情況下，確定新的樣品屬于已知類別中的哪一類。在模式識(shí)別領(lǐng)域中有非常廣泛的應(yīng)用。辨別分析在處理問題時(shí)，通常要給出一個(gè)衡量新樣品與各已知類別接近程度的描述統(tǒng)計(jì)模型，即辨別函數(shù)，同時(shí)也需要指定一種辨別規(guī)則，以判斷新樣品的歸屬。辨別規(guī)則可以是確定性的也可以是統(tǒng)計(jì)性的分別對應(yīng)Fisher辨別和Bayes辨別。關(guān)鍵詞：R語言數(shù)據(jù)辨別分析

目錄TOC\o"1-3"\h\u24962引言 713564一、數(shù)據(jù)來源 726161（一）線性辨別 728501（二）距離辨別 824206二、分析目的 83620三、數(shù)據(jù)分析 928690（一）線性辨別數(shù)據(jù)分析 918806（二）距離辨別數(shù)據(jù)分析 126280結(jié)論 1631141展望 162495參考文獻(xiàn) 17

引言R是一個(gè)完整的軟件處理，計(jì)算和繪圖軟件系統(tǒng)。其功能包括：數(shù)據(jù)存儲(chǔ)和處理系統(tǒng)；數(shù)組計(jì)算工具（在向量和矩陣運(yùn)算方面尤其強(qiáng)大）；完整一致的統(tǒng)計(jì)分析工具；出色的統(tǒng)計(jì)繪圖功能；簡單而強(qiáng)大的編程語言：可操縱的數(shù)據(jù)輸入和輸出，可以實(shí)現(xiàn)分支，循環(huán)，用戶自定義的功能。R的另一個(gè)優(yōu)點(diǎn)是繪圖功能。圖紙具有印刷質(zhì)量，還可以添加數(shù)學(xué)符號(hào)。判別分析又稱“解決方法”，是一種多元統(tǒng)計(jì)分析方法，在分類和確定的條件下，根據(jù)某個(gè)研究對象的各種特征值來區(qū)分其類型屬性問題。區(qū)分分析的常用方法包括距離判別，貝葉斯判別和Fisher判別。本文從線性判別Fisher線性判別函數(shù)和距離相關(guān)Mahalanobis距離研究了研究對象。一、數(shù)據(jù)來源（一）線性辨別最早由fisher（1936）提出，用于花卉分類上，將花卉的各種特征（如花瓣長與寬，花萼長與寬等）利用線性組合方法變成單變量值，再以單值比較方法來辨別事物間的差別?；舅枷胧恰蓖队啊?，即高緯度空間的點(diǎn)向低緯度空間投影，從而簡化問題的處理。以兩種類型的識(shí)別為例。今天和昨天的溫差x1和x2是預(yù)測明天下雨還是下雨的兩個(gè)重要因素,實(shí)驗(yàn)記錄如下表格，試問，今天測得x1=8.1，x2=2.0，明天應(yīng)該預(yù)報(bào)下雨還是晴天？觀察值如下所示。圖1.1（二）距離辨別馬氏距離的計(jì)算是建立在總體樣本的基礎(chǔ)上的，這一點(diǎn)可以從上述協(xié)方差矩陣的解釋中可以得出，也就是說，如果拿同樣的兩個(gè)樣本，放入兩個(gè)不同的總體中，最后計(jì)算得出的兩個(gè)樣本間的馬氏距離通常是不相同的，除非這兩個(gè)總體的協(xié)方差矩陣碰巧相同。常用的距離有歐式距離、馬氏距離、曼哈頓距離等。距離辨別的基本思想是，根據(jù)已知分類的數(shù)據(jù)，分別計(jì)算各類的重心，即各組的均值。距離辨別的準(zhǔn)則是：對任給的一次觀測，若它與第i類的重心距離最近，就認(rèn)為它來自第i類。通常采用馬氏距離進(jìn)行辨別。下面就對馬氏距離進(jìn)行分析。從市場上隨機(jī)抽取了20中牌子的電視機(jī)進(jìn)行調(diào)查。按照電視機(jī)的質(zhì)量評分、功能評分、銷售價(jià)格以及銷售情況（共兩種，暢銷和滯銷）進(jìn)行如下統(tǒng)計(jì)?，F(xiàn)有一新廠商來推銷其產(chǎn)品，質(zhì)量評分8.0，功能評分7.5，售價(jià)65百元。該廠商的場景如何，下圖對此作出總結(jié)評分。圖1.2電視機(jī)質(zhì)量、功能、銷售評分二、分析目的Fisher線性判別函數(shù)是研究這類判別函數(shù)中最有影響的方法之一。對線性判別函數(shù)的研究就是從R.A.Fisher在1936年發(fā)表的論文開始的。在R語言中利用WeDiBaDis包可以實(shí)現(xiàn)加權(quán)馬氏距離辨別分析。馬氏距離它是計(jì)算兩個(gè)未知樣本集的相似性的有效方法。它不受尺寸的影響，兩點(diǎn)之間的馬哈拉諾比斯距離與原始數(shù)據(jù)的測量單位無關(guān)；在歸一化數(shù)據(jù)和集中數(shù)據(jù)計(jì)算的兩個(gè)點(diǎn)之間計(jì)算馬爾可夫（即，原始數(shù)據(jù)和平均值之間的差異）來自相同馬哈拉諾比斯距離的距離也可以排除變量之間的干擾。通過上述情況，可以預(yù)測電視的天氣和未來前景。三、數(shù)據(jù)分析（一）線性辨別數(shù)據(jù)分析R語言中進(jìn)行線性判別得函數(shù)為lda()，形式如下:lda(formula,data，……)formula和上次明明同學(xué)介紹的回歸分析中的形式一樣。data為數(shù)據(jù)框。1.首先把數(shù)據(jù)加載到R語言中，然后畫出數(shù)據(jù)散點(diǎn)圖，初步觀察數(shù)據(jù)分布圖3.1.12.建立判別函數(shù)圖3.2.13.用訓(xùn)練的判別函數(shù)對源數(shù)據(jù)進(jìn)行檢測圖3.3.1由結(jié)果可知，兩類中分別有一個(gè)判別錯(cuò)誤，判對的共有18對。判對率為18/20=90%。構(gòu)造混淆矩陣，求出判對率圖3.4.1由這個(gè)結(jié)果也可以看出，判對率為90%。求出的判別函數(shù)為y=-0.1035x1+0.2248x2。從圖中可以看出，1，2兩類中各有一個(gè)錯(cuò)誤點(diǎn)。圖3.4.2對新數(shù)據(jù)進(jìn)行預(yù)測圖3.5.1由結(jié)果可以看出，當(dāng)x1=8.1，x2=2.0時(shí)，明天天氣分類為1，即明天天氣為下雨。把新點(diǎn)添加到圖層，查看可視化效果，圖中箭頭指向的黑色點(diǎn)就是新點(diǎn)。也可以看出，該點(diǎn)落在有雨的類別中。圖3.5.2（二）距離辨別數(shù)據(jù)分析1.載入數(shù)據(jù)分析數(shù)據(jù)呈現(xiàn)方式圖3.2.1圖3.2.2圖3.2.3圖3.2.42.導(dǎo)入WeDiBaDis包，建立馬氏距離模型使用WDBdisc()函數(shù)建立模型。WDBdisc函數(shù)結(jié)構(gòu)為：WDBdisc(data,datatype,classcol,new.ind,distance,type,method)Data:一個(gè)訓(xùn)練數(shù)據(jù)矩陣或者訓(xùn)練數(shù)據(jù)距離矩陣。Datatype：如果數(shù)據(jù)是數(shù)據(jù)矩陣，則datatype=“m”，如果數(shù)據(jù)是距離矩陣，則datatype=“d”。Classcol：分類變量所在的列，默認(rèn)為第一列。new.ind：為測試數(shù)據(jù)，可選參數(shù)，如果需要測試新數(shù)據(jù)的話需要加上。distance:辨別分析采用的距離方法。默認(rèn)為歐式距離?？蛇x“correlation”,“Bhattacharyya”,“Gower”,“Mahalanobis”,“BrayCurtis”,“Orloci”,“Hellinger”or“Prevosti”。type:如果距離為“Gower“距離，則需要該參數(shù)。該參數(shù)是一個(gè)列表。Method：辨別分析采用的方法，為"DB"或者"WDB"，默認(rèn)為"WDB"。圖3.2.1由此可見訓(xùn)練結(jié)果可知，類別1有兩個(gè)判錯(cuò)的，類別2有一個(gè)判錯(cuò)的，判對率為85%。3.新數(shù)據(jù)代入模型，判斷新類別的分類結(jié)論綜上數(shù)據(jù)分析預(yù)測結(jié)果可知，明天天氣85%幾率會(huì)下雨；在手機(jī)廠商中新類別所屬分類為1，即新廠商推廣的產(chǎn)品為暢銷，新廠商前景比較樂觀。展望R語言的發(fā)展在國際和國內(nèi)發(fā)展上有很大差異。世界上的R語言已經(jīng)成為專業(yè)數(shù)據(jù)分析領(lǐng)域的標(biāo)準(zhǔn)，但在中國還有很長的路要走。這就是數(shù)據(jù)狀態(tài)不高，版權(quán)概念薄弱的原因。而學(xué)術(shù)領(lǐng)域相對封閉的原因也不容忽視。從R語言的發(fā)展歷史來看，R主要是由統(tǒng)計(jì)學(xué)家開發(fā)的一種語言來解決數(shù)據(jù)分析領(lǐng)域的問題，因此R具有一些獨(dú)特的優(yōu)勢。雖然R語言有許多優(yōu)點(diǎn)，但它并不是靈丹妙藥，畢竟它是一種統(tǒng)計(jì)編程語言。由于其算法架構(gòu)的多功能性及其速度性能，其初始設(shè)計(jì)完全基于單線程和純內(nèi)存計(jì)算。盡管R的使用通常是不相關(guān)的，但在當(dāng)今的大數(shù)據(jù)條件下，這兩種設(shè)計(jì)思想的缺點(diǎn)正變得越來越耀眼。

參考文獻(xiàn)[1]史原,劉瑞杰.基于馬氏距離辨別法的腦電圖數(shù)據(jù)分析的研究[J].價(jià)值工程,2015(12):240-242.[2]丁濤,丁浩,朱世根.加權(quán)距離辨別分析及其在模式識(shí)別中的應(yīng)用[J].組合機(jī)床與自動(dòng)化加工技術(shù),2013(8):51-54.[3]王鳴,易武,鄧永煌,etal.基于多總體辨別分析的滑坡穩(wěn)定性辨別模型及其應(yīng)用[J].水電能源科學(xué),2015(5):138-140.[4]姜喜春.數(shù)據(jù)挖掘中的距離辨別分析法[J].科技資訊,2015(27):155-156.[5]黃利文.改進(jìn)的距離辨別分析法[J].服裝學(xué)報(bào),2011,10(6):745-748.[6]張凱軍a,AKJ,ALX.馬氏距離多核支持向量機(jī)學(xué)習(xí)模型[J].計(jì)算機(jī)工程,2014,40(6):219-225.[7]吳香華,牛生杰,吳誠鷗,etal.馬氏距離聚類分析中協(xié)方差矩陣估算的改