谈谈判别分析方法的体会和心得

❶ 判别分析

化探工作中常要判断地质体的属性，如是矿致异常还是非矿致异常；是含矿岩体还是不含矿岩体；是含矿铁帽还是不含矿铁帽，等等。而区分它们只考虑一个变量，数据的重叠往往很难区分。用判别分析的方法建立起一个多变量的函数（判别函数），使两类地质体得到最大的分离，对于未知属性的地质体也算出这个函数值从而判断其归属。化探中常用的是两类线性判别分析，其具体做法如下。

1.求判别函数

（1）首先将已知的A地质体（如矿致异常）和B地质体（如非矿致异常）中各变量（如元素含量）换为对数值（因为化探中的微量元素多为对数正态分布）。

（2）建立求判别函数系数的线性方程组。

判别函数的一般表达式为：

地球化学找矿

式中：R为判别函数；λ_K为判别系数（K＝1，2，…，P）；P为变量数；x_K为判别变量。

根据数学推导，判别系数λ_K应满足下列线性方程组：

地球化学找矿

为简化计算，可将d_K前（N_A＋N_B-2）系数取为1。

则有

地球化学找矿

地球化学找矿

式中：

地球化学找矿

地球化学找矿

N_A与N_B分别为A母体与B母体的样品数。

根据A，B两类地质体的各变量（对数值）代入上述公式即可求得σ_KK，σ_KL，d_K各项值。于是线性方程组（6-6）或（6-7）即可得到。用适当方法求出线性方程组的解，即可求得判别系数λ_K（K＝1，2，…，P），判别系数λ_K求得后代入（6-6）式，则判别函数R即已求得。注意判别系数λ_K有正有负。

2.判别效果的显着性检验

建立的判别函数判别是否有效主要看不同地质体中变量平均值的差异是否显着，即（K＝1，2，…，P）是否足够大。通常采用马氏距离D²统计量作F检验。首先计算出D²和F值：

地球化学找矿

地球化学找矿

注意：若线性方程组（6-6）中dK前系数为（NA＋NB-2）则：

地球化学找矿

然后给定信度α＝0.1，α＝0.05，α＝0.01查F分布表得出

的临界值，若计算出

（临界值），则说明在某信度下差异显着，判别有效；若小于某一信度的临界值，则说明在该信度下差异不显着。若

比

还小，则说明A，B无显着差异，为同一地质体，因而判别无效；或者说明所选择的这些变量没有判别效果，应另选其他变量。

3.计算各变量的贡献值

判别有效时还应考虑各变量参加判别的贡献。变量的贡献值可以衡量一个变量对组成判别函数的作用大小。第K个变量的贡献值按下式计算：

地球化学找矿

对于贡献值很小的可舍去，用其余变量进行判别可得同样效果。

4.对未知属性样品进行判别

当判别函数判别有效时，则可对未知属性样品进行判别。

（1）计算判别函数临界值（R₀）

地球化学找矿

若N_A＝N_B，则

地球化学找矿

式中：

。

R₀算出后应比较三者的大小。若

，则大于R₀者属A类，小于R₀者属B类；若R_（A）＜R₀＜R_（B），则大于R₀者属B类，小于R₀者属A类。

（2）与R₀进行比较

将未知属性样品的诸变量值（对数值）代入判别函数，即可求得各未知属性样品的判别函数值，与R₀比较则可判断其归属。

（3）计算实例

某区发现原生地球化学异常15个，其中7个为矿致异常，7个为非矿致异常，一个异常性质不明。每个异常分析了Cu，Ag，Bi3个元素，数据见表6-2。未知属性异常含量（10^-6）Cu 880，Ag 1.41，Bi 34.4，换算成对数值（Ag乘以100后换算成对数）分别为2.945，2.147，1.537。

现运用判别分析的方法对未知属性异常判断其归属。

表6-2 某区Cu，Ag，Bi 元素含量及对数值

1）求判别函数

①根据矿致异常（A），非矿致异常（B）中各变量的对数值计算（表6-2）表中所列各项值（表6-3）。

②建立求判别函数系数的线性方程组，对于只有三个判别变量时，判别函数：

R ＝λ₁x₁＋ λ₂x₂＋ λ₃x₃ （6-12）

求判别系数λ_K（K＝1，2，3）的线性方程组为：

地球化学找矿

式中：

地球化学找矿

地球化学找矿

表6-3 由表6-2导出的各参数值

于是（6-13）式变为：

地球化学找矿

对于上述方程组可用行列式求解：

令

地球化学找矿

地球化学找矿

则

地球化学找矿

将λ₁，λ₂，λ₃的值代入（6-12）式，则得

地球化学找矿

上式即为所求的判别函数。

2）判别效果的显着性检验

计算D²值和

的值：

地球化学找矿

由

，查临界值表：

地球化学找矿

于是得

，其他均小于是临界值故指在α＝0.10的差异显着，判别有效。

3）计算各变量的贡献值

由

地球化学找矿

于是得

地球化学找矿

地球化学找矿

可见Ag的贡献很小，可舍去，只用作变量建立判别函数，可得同样效果。

4）对未知属性的样品进行判别

①计算判别临界值：

因N_A＝N_B，故

地球化学找矿

所以

。

由上计算结果得：

R_（A）＞R₀＞R_（B）故大于R₀者属矿致异常；小于R₀者属非矿致异常。

②计算未知属性异常的判别函数值：

将未知属性异常（C），Cu，Ag，Bi的对数含量值代入判别函数得：R_（C）＝0.2898×2.945-0.0646×2.147-0.4612×1.537＝0.006

因为R_（C）＝0.006＜R₀＝0.1982，故未知属性异常属非矿致异常。

❷ 判别分析的基本原理

是用于判别样品所属类型的一种统计分析方法，是根据表明事物特点的变量值和他们所属的类，求出判别函数，根据判别函数对未知所属类别的食物进行分类的一种分析方法。

❸ 判别分析的基本思想

根据判别中的组数，可以分为两组判别分析和多组判别分析；
根据判别函数的形式，可以分为线性判别和非线性判别；
根据判别式处理变量的方法不同，可以分为逐步判别、序贯判别等；
根据判别标准不同，可以分为距离判别、Fisher判别、Bayes判别法等。

❹ 判别分析的判别方法

判别方法是确定待判样品归属于哪一组的方法，可分为参数法和非参数法，也可以根据资料的性质分为定性资料的判别分析和定量资料的判别分析。此处给出的分类主要是根据采用的判别准则分出几种常用方法。除最大似然法外，其余几种均适用于连续性资料。
1）最大似然法：用于自变量均为分类变量的情况，该方法建立在独立事件概率乘法定理的基础上，根据训练样品信息求得自变量各种组合情况下样品被封为任何一类的概率。当新样品进入是，则计算它被分到每一类中去的条件概率（似然值），概率最大的那一类就是最终评定的归类。
2）距离判别：其基本思想是有训练样品得出每个分类的重心坐标，然后对新样品求出它们离各个类别重心的距离远近，从而归入离得最近的类。也就是根据个案离母体远近进行判别。最常用的距离是马氏距离，偶尔也采用欧式距离。距离判别的特点是直观、简单，适合于对自变量均为连续变量的情况下进行分类，且它对变量的分布类型无严格要求，特别是并不严格要求总体协方差阵相等。
3）Fisher判别：亦称典则判别，是根据线性Fisher函数值进行判别，通常用于梁祝判别问题，使用此准则要求各组变量的均值有显着性差异。该方法的基本思想是投影，即将原来在R维空间的自变量组合投影到维度较低的D维空间去，然后在D维空间中再进行分类。投影的原则是使得每一类的差异尽可能小，而不同类间投影的离差尽可能大。Fisher判别的优势在于对分布、方差等都没有任何限制，应用范围比较广。另外，用该判别方法建立的判别方差可以直接用手工计算的方法进行新样品的判别，这在许多时候是非常方便的。
4）Bayes判别：许多时候用户对各类别的比例分布情况有一定的先验信息，也就是用样本所属分类的先验概率进行分析。比如客户对投递广告的反应绝大多数都是无回音，如果进行判别，自然也应当是无回音的居多。此时，Bayes判别恰好适用。Bayes判别就是根据总体的先验概率，使误判的平均损失达到最小而进行的判别。其最大优势是可以用于多组判别问题。但是适用此方法必须满足三个假设条件，即各种变量必须服从多元正态分布、各组协方差矩阵必须相等、各组变量均值均有显着性差异。

❺ 学习《数学分析课程》的心得及其领悟到的方法。

2020年春季学期微课郭雨辰数学分析（超清视频）网络网盘

链接:

若资源有问题欢迎追问~

❻ 判别分析方法

判别分析又称“分辨法”，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。其基本原理是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标。据此即可确定某一样本属于何类。当得到一个新的样品数据，要确定该样品属于已知类型中哪一类，这类问题属于判别分析问题。

❼ 判别分析方法用于解决实际问题，聚类分析方法用于解决实际问题的大致思路。

网上搜了，在贴一块就是的拉
大学以来我一直是这么做的，还从未出过什么问题
老大，这好难呀。是原题吗？好像我们以前的毕业论文哦

-= 题目是 =-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-
请说明将判别分析的方法用于石油钻井位置确定问题、计算机诊断问题，将聚类分析方法用于欧洲语言演变过程研究问题、地震预报问题、“红楼梦”后40回作者探讨问题或解决其他实际问题的大致思路。
-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=

谢谢！是数学模型的作业。

请就题中具体问题给予一段话（几百字）的说明。勿粘贴大篇纯粹讲判别分析、聚类分析的文字。
问题补充：如果大家认为分数太少我可以加分的，我最多有120分可以全部散出——只要能得到答案！谢谢！！

不用具体到细节 可以比较宏观的说明步骤。比如第一、第二、第三……这样

❽ 求材料分析方法学习后的感想和心得体会300字到500

听课也有不少学问。学会听课，对初中生的学习进步至关重要
课堂是学生学习的主要场所，课堂学习是学习的最主要环节，四十五分钟课堂学习效益的高低，某种程度上决定着学生学习成绩的好坏。
也许有的家长和学生会想，每个人都有一双耳朵，听课谁不会呀。其实不然，听课也有不少学问。学会听课，对初中生的学习进步至关重要。

首先，要集中注意力听。心理学研究表明：注意能够帮助我们从周围环境所提供的大量信息中，选择对当前活动最有意义的信息；同时，使心理活动维持在所选择的对象上，还能使心理活动根据当前活动的需要作适当的分配和调整。所以，注意力对于学习尤为重要。集中注意力、专心致志才能学有所得；心不在焉、心猿意马往往一无所获。

其次，要带着问题、开动脑子听。有些同学听课不善于开动脑子，不去积极思维，看似目不转睛，但一堂课下来心中却不留痕迹。俗话说："学贵有疑"，"疑是一切学习的开始"。带着问题听课，就能使听课有比较明确的目标和重点，增强听课的针对性，从而提高课堂学习效率；带着问题听课，还能促使自己积极动脑，紧跟老师的教学节奏，及时理解和消化教学内容。

❾ 行测判断推理 学习体会与思考

您好，中公教育为您服务。
大体总结一下就可以：
(一)图形推理
1、对于图形拆分与重组题：运用实物找关键特征
2、对于多组图形题：找变化规律(数量关系、位置关系、形状关系)。
3、基本思路：
(1)简单图形看笔画多少、构成要素的增减、交点线段数目变化、图形种类数变化。
(2)复杂图形看大小变化、曲直情况、旋转方向、组合顺序、叠加状况(求同、去同)及对成性。
(3)上述方法无法判断时看路径状况、受力情况、或看半边。
(4)有多个选择时，选择自己最确定的，不可多选
(二)定义判断解题技巧
1、先看选项再看题干，对照选项看题干中对应内容。注意：是否要一一对应关系。
2、抓住提干定义中的关键词，尤其是要抓住与选项相关的关键词。
3、常见的关键词：
“主体”、“内容”、“时间”、“地点”、“对象”等。
(三)类比推理题解答“九字”技巧
1、记常识。如各省市简称、称谓、作品、节日等。
2、想词性。通过词语的本质词性的判断可以帮助我们排除1-2个选项，甚至直接选出答案。这种方法是可以在5秒内做出一道题。

如有疑问，欢迎向中公教育企业知道提问。

❿ 判别分析的应用

在气候分类、农业区划、土地类型划分中有着广泛的应用。
在市场调研中，一般根据事先确定的因变量（例如产品的主要用户、普通用户和非用户、自有房屋或租赁、电视观众和非电视观众）找出相应处理的区别特性。在判别分析中，因变量为类别数据，有多少类别就有多少类别处理组；自变量通常为可度量数据。通过判别分析，可以建立能够最大限度的区分因变量类别的函数，考查自变量的组间差异是否显着，判断那些自变量对组间差异贡献最大，评估分类的程度，根据自变量的值将样本归类。
应用范围
1）信息丢失
2）直接的信息得不到
3）预报
4）破坏性实验
假设条件
1）分组类型在两种以上，且组间样本在判别值上差别明显。
2）组内样本数不得少于两个，并且样本数量比变量起码多两个。
3）所确定的判别变量不能是其他判别变量的线性组合。
4）各组样本的协方差矩阵相等。
5）各判别变量之间具有多元正态分布。
6）样品量应在所使用的自变量个数的10~20倍以上时，建立的判别函数才比较稳定；而自变量个数在8~10之间时，函数的判别效果才能比较理想。当然，在实际工作中判别函数的自变量个数往往会超过10个，但应该注意的是，自变量的个数多并不代表效果好
spss操作：“分析”～“分类”～“判别”～进入判别分析主对话框。
这里有容易引起歧义的二个变量，最上面的为分组变量。对分组变量的了解需要联系判别分析的原理以及适用范围。因为判别分析是已知分类数目的情况下，进行分析，这个已知的分类数目就是这个分组变量。其实，一般分析步骤中，都是先进行聚类分析，聚类之后得到的分类结果就是这个分组变量，然后再选择这个分组变量，进行分析。也就是，聚类分析是母亲，母亲的孩子就是判别分析。得到的判别函数就是预测想要知道的个案究竟属于哪一类。另一个变量就是选择变量，它位于主对话框的最下面。这个选择变量在回归分析相应的对话框中也有，意思就是选择你需要的变量，这个变量可以为数据窗口的一个整个变量，也可以利用子设置“值”进行选择，所以，它的名字叫做选择变量。
“统计量”子对话框：“描述性”栏，包括“均值”“单变量ANOVA”“BoxsM”
需要特别说明，以后只要见到ANOVA这个单词，它的意思就是方差分析，也就是进一步输出方差分析表，其中最重要的就是P值也就是Sig值。
BoxsM复选框：指的是输出对组协方差矩阵的等同性检验的检验结果。也就是对各类协方差矩阵相等的假设进行检验。
“函数系数”栏：其实就是将判别函数系数进行设置。包括“费雪”和“未标准化”。费雪指的是对每一类给出一组系数，并且给出该组中判别分数最大的观测量。
“矩阵”栏：都是复选框，对应相应的矩阵也就是在结果表中的四种数阵。“组内相关”“组内协方差”“分组协方差”“总体协方差”这个都是计算机自动计算，人工计算是不可能完成的任务。
“分类”子对话框：本文也提到过先验概率，先验概率就是已知一部分信息，来了解未知信息也就是后验概率。
“所有组相等”也就是如果分为几类，这所有的类中的先验概率都相等。
“根据组大小计算”各类先验概率按照和各类样本量呈正比。
“使用协方差矩阵”栏：是二个单选框。“在组内”指使用合并组内协方差矩阵进行分析
“分组”指使用各组协方差矩阵进行分析。
“输出”栏～“个案结果”：对每一个观测量输出判别分数，也就是选定变量的个案的分进哪个组的资格得分。实际类，预测类，也就是根据判别得分计算的古今对比。实际类就是目前实际上分为几类，预测类就是过去对未来预测，它们一对比，就可以知道过去和现在差别在哪里。附属选项“将个案限制在”在后面的小矩形框中输入观测量数，含义为仅输出设置的观测量结果，当个案也就是观测量太多，可以用此法。
“摘要表”输出分类小结，给出正确和错分的观测量数，和错判率。
“不考虑该个案时的分类”这个根据字面就可以理解，不赘述。
“图”栏：“合并组”生成一张包括各类的散点图，该散点图根据前两个判别函数得到，如果只有一个判别函数，则生成直方图。
“分组”复选框：有几类就有几张散点图，和上面一样，如果只有一个判别函数，就生成直方图。
“区域图”复选框：将观测量分到各组中去的区域图。此图将一张图的平面划分出类数，相同的区域，每一类占据一个区，各类的均值在各区中用星号标出，如果仅有一个判别函数，即没有此图。
“保存”子对话框：这个设置是非常重要的，并且特别直观，只要选择，就可以在数据窗口生成相应的新变量。这个新变量分别是：“预测组成员”这个预测组成员是根据判别分数，以及后验概率最大的预测分类。也就是，每个个案的预测分类。
“判别得分”这个根据名字就可以理解。该分数=没有标准化的判别系数×自变量的值+一个常数。每次运行判别过程都给出一组表明判别分数的新变量。有几个判别函数就建立几个判别函数减1的新变量。新变量名称词头为dis-。
举例：1 医学实践中根据各种化验结果，疾病症状等判断病人患有什么疾病。
2 体育人才选拔根据运动员的体形，运动成绩，生理指标，心理素质指标判断是否继续培养。
3 动植物分类
判别分析最主要的分析目的：得到判别函数，对未知个案进行预测分类。
“组成员概率”表示观测量属于哪一类的概率，有几类，就给出几类概率值，新变量默认名为dis预测分类数-判别概率，例如有三类，二个判别函数，则新变量名称可以为dis1-1,dis2-1,dis3-1,dis3-2以此类推。
逐步判别分析：只要在主对话框中选择“使用步进式方法”，就可以筛选变量，同时，方法对话框将激活。
“方法”对话框中“标准”栏的设置和线性回归的一样，不赘述。
“方法”栏：原则就是，负面指标越小越好，正面指标越大越好。负面指标是wilks lambda和未解释方差，正面指标是马氏距离，最小F值，Raos V。马氏距离在回归中越大代表这个个案为影响点可能越大，也就是，只有这个个案为影响点，它越重要，越对判别函数影响越大，把它挑出来，也就是马氏距离最大。
结果：1 sig值小于0.05，说明可以继续分析，函数具有判别作用，也就是有统计学意义。
2 数据窗口对话框，将在“保存”子对话框设置的新变量和在主对话框的分组变量进行对比，每个个案被分到哪类，以及判别得分，都一目了然。
3 根据输出表中的系数，可以写出判别函数，进行以后的预测。