链接: link.
亲测有效
下面展示一些 内联代码片。
install.packages("MASS") library(MASS) nx = 150 irisdata = iris[1:nx, 1:4] irisgrp = iris[1:nx, 5] (lda.sol = lda(irisdata, irisgrp)) 123456
下面展示一些 内联代码片。
result = predict(lda.sol, irisdata) table(irisgrp, result$class) #$class是预测结果 12
下面展示一些 内联代码片。
进行变换
P = lda.sol$scaling # 将均值向量降维 >means = lda.sol$means %*% P # 加权平均的出总的降维均值向量,权重就是lda.sol$prior >total_means = as.vector(lda.sol$prior %*% means) >n_samples = nrow(irisdata) # 把样本降维并平移 >x<-as.matrix(irisdata) %*% P - (rep(1, n_samples) %o% total_means) 12345678910
可视化
plot(x, cex=1.2, pch=rep(21:23, c(50,50,50)), col=rep(2:4, c(50,50,50)), bg=rep(2:4, c(50,50,50))) 1234
相关知识
对鸢尾花数据集和月亮数据集,分别采用线性LDA、k
卷积神经网络实现鸢尾花数据分类python代码实现
R语言数据分析案例:鸢尾花(IRIS)
【机器学习】KNN算法实现鸢尾花分类
基于R语言的害虫预测算法设计
KNN算法实现鸢尾花数据集分类
【python机器学习】KNN算法实现回归(基于鸢尾花数据集)
Knn算法实现鸢尾花分类
机器学习(三):感知器算法实现鸢尾花分类项目实战
Python原生代码实现KNN算法(鸢尾花数据集)
网址: R语言实现LDA算法(鸢尾花) https://m.huajiangbk.com/newsview501874.html
上一篇: 遇到问题: C语言 |
下一篇: Content type 'mu |