Main Content

判別分析による分類

判別分析は分類手法です。判別分析は、さまざまなクラスが異なるガウス分布に基づいてデータを生成することを前提にしています。

  • 分類器を学習 (作成) するために、近似関数でクラスごとのガウス分布のパラメーターを推定します (判別分析モデルの作成を参照)。

  • 新しいデータのクラスを予測するために、学習された分類器が最小の誤分類コストをもつクラスを検出します (判別分析モデルの使用による予測を参照)。

線形判別分析は、発明者の R・A・フィッシャー[1]の名前からとって、フィッシャー判別とも呼ばれます。

判別分析分類器の作成

ライブ スクリプトを開く

この例では、基本的な判別分析分類器に学習をさせてフィッシャーのアヤメのデータを分類する方法を示します。

データを読み込みます。

load fisheriris

既定の (線形) 判別分析分類器を作成します。

MdlLinear = fitcdiscr(meas,species);

データの 2 次元の線形分類の分類境界線を可視化するには、判別分析分類器の作成と可視化を参照してください。

平均測定値でアヤメを分類します。

meanmeas = mean(meas);
meanclass = predict(MdlLinear,meanmeas)
meanclass = 1x1 cell array
    {'versicolor'}

2 次分類器を作成します。

MdlQuadratic = fitcdiscr(meas,species,'DiscrimType','quadratic');

データの 2 次元の 2 次分類の分類境界線を表示するには、判別分析分類器の作成と可視化を参照してください。

2 次分類器を使用して、平均測定値でアヤメを分類します。

meanclass2 = predict(MdlQuadratic,meanmeas)
meanclass2 = 1x1 cell array
    {'versicolor'}

参照

[1] Fisher, R. A. "The Use of Multiple Measurements in Taxonomic Problems." Annals of Eugenics, Vol. 7, pp. 179–188, 1936. Available at https://digital.library.adelaide.edu.au/dspace/handle/2440/15227.

参考

関数

オブジェクト

関連するトピック