判別分析方法實驗

A. 判別分析的驗證方法

對於判別分析，用戶往往很關心建立的判別函數用於判別分析時的准確度如何。通常的效果驗證方法如自身驗證、外部數據驗證、樣品二分法、交互驗證、Bootstrap法。

B. 判別分析的基本原理

是用於判別樣品所屬類型的一種統計分析方法，是根據表明事物特點的變數值和他們所屬的類，求出判別函數，根據判別函數對未知所屬類別的食物進行分類的一種分析方法。

C. 判別分析方法、聚類分析方法、HMM方法簡介

三個學分的通選課,A類
曾經作為力學系的限選課開出.
歡迎大二以上有數理基礎的同學選修.

《生物信息學演算法導論》課程介紹
課程英文名：Introction to Computational Biology
課程號：00331440
開課單位：力學系、理論生物學中心
開課教師：朱懷球
上課時間：每周四晚
上課地點：理教201
選課地點、時間：三教103，9月5日星期五上午8:00～12:00

一、課程設置目的及主要內容
隨著人類基因組計劃的不斷推進，運用理論模型和數值計算研究生命科學，已經成為一門 最吸引人的新興學科，是當今生命科學和自然科學的核心領域和最具活力的前沿領域之一 。生物信息學/計算生物學以現代分子生物學數據作為主要研究對象，發展理論模型和計算方法，揭示以基因組信息結構為主的生物復性，以及生長、發育、遺傳、進化等生命 現象的根本規律。本課程主要為具有數理背景的大學二年級以上本科生（含大二）和相關領域的研究生開設，偏重理論建模和演算法的學習。首先介紹當代生命科學的發展和現狀， 然後介紹計算生物學中幾種主要的研究方法，包括統計學方法、Markov過程模型、資訊理論方法、機器學習方法等，並結合當今生物信息學領域的最新進展，討論上述各種方法實際研究中的應用（包括基因序列信息分析、基因預測、分子進化及系統發育樹和蛋白質調控網路等重要問題）。 本課程注重學科交叉、融合，以介紹思想、方法為主，深入淺出，避免繁瑣、抽象的數學形式，啟發學生綜合運用數學、物理、工程科學和計算機知識的能力，拓寬知識面，了解學科前沿和最新進展，培養跨越生命科學、計算科學、數理科學等不同領域的「大科學」素質和意識，為今後選擇新興交叉學科領域進行深造奠定基礎。

二、課程大綱

第1章 緒論 （1學時）
從人類基因組計劃說起
計算生物學——後基因組時代的呼喚
計算生物學主要研究內容和方法
以生命科學為核心的「大科學」

第2章 生物學基礎 （5學時）
What is life？——從薛定鍔的思考到「雙螺旋」的發現
生命的演化和分類
生命的分子組成
遺傳的分子基礎
基因組與基因結構

第3章 生物信息資料庫和計算生物學主要問題 （3學時）
生物信息資料庫簡介
計算生物學主要問題之一：序列比對
計算生物學主要問題之二：核酸和蛋白質結構與功能預測
計算生物學主要問題之三：基因組序列分析
計算生物學主要問題之四：功能基因組相關信息分析

第4章 計算生物學的統計學方法 （10學時）
統計方法的基本概念
回歸分析方法及其應用
判別分析方法及其應用
聚類分析方法及其應用

第5章 計算生物學的Markov過程模型 （6學時）
Markov過程的基本概念
隱Markov模型（HMM）的基本原理
HMM模型的計算生物學應用

第6章 生物學的資訊理論基礎 （6學時）
信源與信息熵
離散信道與平均互信息
編碼理論簡介
生物遺傳信息的傳遞

第7章 遺傳演算法和人工神經網路方法簡介 （8學時）
遺傳演算法的基本原理和方法
遺傳演算法與人工生命模型
人工神經網路的基本概念
人工神經網路的模式識別演算法

第8章 生物信息學/計算生物學的若乾重要問題 （6學時）
基因預測演算法和軟體
分子進化與系統發育
基因調控網路

三、本課程考試方式

在老師指導下，結合所講內容進行學科調研，要求同學在期中、期末分別完成兩次調研論 文，論文題目不限。

D. 判別分析的應用

在氣候分類、農業區劃、土地類型劃分中有著廣泛的應用。
在市場調研中，一般根據事先確定的因變數（例如產品的主要用戶、普通用戶和非用戶、自有房屋或租賃、電視觀眾和非電視觀眾）找出相應處理的區別特性。在判別分析中，因變數為類別數據，有多少類別就有多少類別處理組；自變數通常為可度量數據。通過判別分析，可以建立能夠最大限度的區分因變數類別的函數，考查自變數的組間差異是否顯著，判斷那些自變數對組間差異貢獻最大，評估分類的程度，根據自變數的值將樣本歸類。
應用范圍
1）信息丟失
2）直接的信息得不到
3）預報
4）破壞性實驗
假設條件
1）分組類型在兩種以上，且組間樣本在判別值上差別明顯。
2）組內樣本數不得少於兩個，並且樣本數量比變數起碼多兩個。
3）所確定的判別變數不能是其他判別變數的線性組合。
4）各組樣本的協方差矩陣相等。
5）各判別變數之間具有多元正態分布。
6）樣品量應在所使用的自變數個數的10~20倍以上時，建立的判別函數才比較穩定；而自變數個數在8~10之間時，函數的判別效果才能比較理想。當然，在實際工作中判別函數的自變數個數往往會超過10個，但應該注意的是，自變數的個數多並不代表效果好
spss操作：「分析」～「分類」～「判別」～進入判別分析主對話框。
這里有容易引起歧義的二個變數，最上面的為分組變數。對分組變數的了解需要聯系判別分析的原理以及適用范圍。因為判別分析是已知分類數目的情況下，進行分析，這個已知的分類數目就是這個分組變數。其實，一般分析步驟中，都是先進行聚類分析，聚類之後得到的分類結果就是這個分組變數，然後再選擇這個分組變數，進行分析。也就是，聚類分析是母親，母親的孩子就是判別分析。得到的判別函數就是預測想要知道的個案究竟屬於哪一類。另一個變數就是選擇變數，它位於主對話框的最下面。這個選擇變數在回歸分析相應的對話框中也有，意思就是選擇你需要的變數，這個變數可以為數據窗口的一個整個變數，也可以利用子設置「值」進行選擇，所以，它的名字叫做選擇變數。
「統計量」子對話框：「描述性」欄，包括「均值」「單變數ANOVA」「BoxsM」
需要特別說明，以後只要見到ANOVA這個單詞，它的意思就是方差分析，也就是進一步輸出方差分析表，其中最重要的就是P值也就是Sig值。
BoxsM復選框：指的是輸出對組協方差矩陣的等同性檢驗的檢驗結果。也就是對各類協方差矩陣相等的假設進行檢驗。
「函數系數」欄：其實就是將判別函數系數進行設置。包括「費雪」和「未標准化」。費雪指的是對每一類給出一組系數，並且給出該組中判別分數最大的觀測量。
「矩陣」欄：都是復選框，對應相應的矩陣也就是在結果表中的四種數陣。「組內相關」「組內協方差」「分組協方差」「總體協方差」這個都是計算機自動計算，人工計算是不可能完成的任務。
「分類」子對話框：本文也提到過先驗概率，先驗概率就是已知一部分信息，來了解未知信息也就是後驗概率。
「所有組相等」也就是如果分為幾類，這所有的類中的先驗概率都相等。
「根據組大小計算」各類先驗概率按照和各類樣本量呈正比。
「使用協方差矩陣」欄：是二個單選框。「在組內」指使用合並組內協方差矩陣進行分析
「分組」指使用各組協方差矩陣進行分析。
「輸出」欄～「個案結果」：對每一個觀測量輸出判別分數，也就是選定變數的個案的分進哪個組的資格得分。實際類，預測類，也就是根據判別得分計算的古今對比。實際類就是目前實際上分為幾類，預測類就是過去對未來預測，它們一對比，就可以知道過去和現在差別在哪裡。附屬選項「將個案限制在」在後面的小矩形框中輸入觀測量數，含義為僅輸出設置的觀測量結果，當個案也就是觀測量太多，可以用此法。
「摘要表」輸出分類小結，給出正確和錯分的觀測量數，和錯判率。
「不考慮該個案時的分類」這個根據字面就可以理解，不贅述。
「圖」欄：「合並組」生成一張包括各類的散點圖，該散點圖根據前兩個判別函數得到，如果只有一個判別函數，則生成直方圖。
「分組」復選框：有幾類就有幾張散點圖，和上面一樣，如果只有一個判別函數，就生成直方圖。
「區域圖」復選框：將觀測量分到各組中去的區域圖。此圖將一張圖的平面劃分出類數，相同的區域，每一類占據一個區，各類的均值在各區中用星號標出，如果僅有一個判別函數，即沒有此圖。
「保存」子對話框：這個設置是非常重要的，並且特別直觀，只要選擇，就可以在數據窗口生成相應的新變數。這個新變數分別是：「預測組成員」這個預測組成員是根據判別分數，以及後驗概率最大的預測分類。也就是，每個個案的預測分類。
「判別得分」這個根據名字就可以理解。該分數=沒有標准化的判別系數×自變數的值+一個常數。每次運行判別過程都給出一組表明判別分數的新變數。有幾個判別函數就建立幾個判別函數減1的新變數。新變數名稱詞頭為dis-。
舉例：1 醫學實踐中根據各種化驗結果，疾病症狀等判斷病人患有什麼疾病。
2 體育人才選拔根據運動員的體形，運動成績，生理指標，心理素質指標判斷是否繼續培養。
3 動植物分類
判別分析最主要的分析目的：得到判別函數，對未知個案進行預測分類。
「組成員概率」表示觀測量屬於哪一類的概率，有幾類，就給出幾類概率值，新變數默認名為dis預測分類數-判別概率，例如有三類，二個判別函數，則新變數名稱可以為dis1-1,dis2-1,dis3-1,dis3-2以此類推。
逐步判別分析：只要在主對話框中選擇「使用步進式方法」，就可以篩選變數，同時，方法對話框將激活。
「方法」對話框中「標准」欄的設置和線性回歸的一樣，不贅述。
「方法」欄：原則就是，負面指標越小越好，正面指標越大越好。負面指標是wilks lambda和未解釋方差，正面指標是馬氏距離，最小F值，Raos V。馬氏距離在回歸中越大代表這個個案為影響點可能越大，也就是，只有這個個案為影響點，它越重要，越對判別函數影響越大，把它挑出來，也就是馬氏距離最大。
結果：1 sig值小於0.05，說明可以繼續分析，函數具有判別作用，也就是有統計學意義。
2 數據窗口對話框，將在「保存」子對話框設置的新變數和在主對話框的分組變數進行對比，每個個案被分到哪類，以及判別得分，都一目瞭然。
3 根據輸出表中的系數，可以寫出判別函數，進行以後的預測。

E. MATLAB數據分析方法 判別分析 matlab

數據分析是用適當的統計方法對各種數據加以詳細研究和概括總結的過程，已成為當代自然科學和社會科學各個學科研究者必備的知識。matlab是一套高性能的數值計算和可視化軟體，是實現數據分析與處理的有效工具。本書介紹數據分析的基本內容與方法，應用matlab軟體既面向對象又面向過程地編寫實際數據分析程序。全書共分7章，主要內容包括：matlab基礎、數據描述性分析、回歸分析、判別分析、主成分分析與典型相關分析、聚類分析、數值模擬分析。
每章末精心編寫習題供讀者練習，此外每章還安排了緊密聯系實際的綜合性、分析性實驗內容。
《matlab數據分析方法》適用於計算機科學與技術、信息與計算科學、統計學等專業的本科生，還可作為相關專業本科生選修課程教材，並可供碩士研究生以及科技工作者參考。

F. 判別分析法用邏輯判斷，屬於定型分析是對還是錯

判別分析又稱「分辨法」，是在分類確定的條件下，根據某一研究對象的各種特徵值判別其類型歸屬問題的一種多變數統計分析方法。
其基本原理是按照一定的判別准則，建立一個或多個判別函數，用研究對象的大量資料確定判別函數中的待定系數，並計算判別指標。據此即可確定某一樣本屬於何類。
當得到一個新的樣品數據，要確定該樣品屬於已知類型中哪一類，這類問題屬於判別分析問題。

G. 判別分析方法

判別分析又稱「分辨法」，是在分類確定的條件下，根據某一研究對象的各種特徵值判別其類型歸屬問題的一種多變數統計分析方法。其基本原理是按照一定的判別准則，建立一個或多個判別函數，用研究對象的大量資料確定判別函數中的待定系數，並計算判別指標。據此即可確定某一樣本屬於何類。當得到一個新的樣品數據，要確定該樣品屬於已知類型中哪一類，這類問題屬於判別分析問題。

H. 判別分析的判別方法

判別方法是確定待判樣品歸屬於哪一組的方法，可分為參數法和非參數法，也可以根據資料的性質分為定性資料的判別分析和定量資料的判別分析。此處給出的分類主要是根據採用的判別准則分出幾種常用方法。除最大似然法外，其餘幾種均適用於連續性資料。
1）最大似然法：用於自變數均為分類變數的情況，該方法建立在獨立事件概率乘法定理的基礎上，根據訓練樣品信息求得自變數各種組合情況下樣品被封為任何一類的概率。當新樣品進入是，則計算它被分到每一類中去的條件概率（似然值），概率最大的那一類就是最終評定的歸類。
2）距離判別：其基本思想是有訓練樣品得出每個分類的重心坐標，然後對新樣品求出它們離各個類別重心的距離遠近，從而歸入離得最近的類。也就是根據個案離母體遠近進行判別。最常用的距離是馬氏距離，偶爾也採用歐式距離。距離判別的特點是直觀、簡單，適合於對自變數均為連續變數的情況下進行分類，且它對變數的分布類型無嚴格要求，特別是並不嚴格要求總體協方差陣相等。
3）Fisher判別：亦稱典則判別，是根據線性Fisher函數值進行判別，通常用於梁祝判別問題，使用此准則要求各組變數的均值有顯著性差異。該方法的基本思想是投影，即將原來在R維空間的自變數組合投影到維度較低的D維空間去，然後在D維空間中再進行分類。投影的原則是使得每一類的差異盡可能小，而不同類間投影的離差盡可能大。Fisher判別的優勢在於對分布、方差等都沒有任何限制，應用范圍比較廣。另外，用該判別方法建立的判別方差可以直接用手工計算的方法進行新樣品的判別，這在許多時候是非常方便的。
4）Bayes判別：許多時候用戶對各類別的比例分布情況有一定的先驗信息，也就是用樣本所屬分類的先驗概率進行分析。比如客戶對投遞廣告的反應絕大多數都是無迴音，如果進行判別，自然也應當是無迴音的居多。此時，Bayes判別恰好適用。Bayes判別就是根據總體的先驗概率，使誤判的平均損失達到最小而進行的判別。其最大優勢是可以用於多組判別問題。但是適用此方法必須滿足三個假設條件，即各種變數必須服從多元正態分布、各組協方差矩陣必須相等、各組變數均值均有顯著性差異。

I. 常用的判別分析方法有哪些

按照習慣大類分成化學分析法，電化學分析法和儀器分析法
1.化學分析裡麵包括滴定法（氧化還原滴定，酸鹼滴定，絡合滴定等），重量分析法等等
2.電化學分析裡麵包括循環伏安，極譜，電解等等方法
3.儀器分析就更多了，紫外可見分光光度法(UV-Vis)，原子發射光譜法，色譜法（包括氣相色譜GC,高效液相色譜HPLC），毛細管電泳(CE)，核磁共振(NMR)，X粉末多晶衍射(XRD)，質譜(MS)等等

J. 如何用spss進行判別分析預測

spss進行判別分析步驟

1．Discriminant Analysis判別分析主對話框如圖 1-1 所示

圖 1-8 Save 對話框

6．選擇好各選擇項之後，點擊「OK」按鈕，提交運行Discriminant過程。