DA: Analise discriminante linear (LDA) e quadratica (QDA).

Description

Realiza analise discriminante linear e quadratica.

Usage

DA(data, class = NA, type = "lda", validation = "learning", 
   method = "moment", prior = NA, testing = NA)

Value

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.

Arguments

data: Dados a serem a classificados.
class: Vetor com os nomes das classes dos dados.
type: "lda": analise discriminante linear (default), ou
"qda": analise discriminante quadratica.
validation: Tipo de validacao:
"learning" - treinamento dos dados (default), ou
"testing" - classifica os dados do vetor "testing".
method: Metodo de classificacao:
"mle" para MLEs,
"mve" para usar cov.mv,
"moment" (default) para estimadores padrao da media e variancia, ou
"t" para estimativas robustas baseadas em uma distribuicao t.
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.

Author

Paulo Cesar Ossani

Marcelo Angelo Cirillo

References

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.

Examples

Run this code

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

Run the code above in your browser using DataLab