Analisi discriminante quadratica in r (passo dopo passo)
L’analisi discriminante quadratica è un metodo che è possibile utilizzare quando si dispone di un insieme di variabili predittive e si desidera classificare una variabile di risposta in due o più classi. È considerato l’equivalente non lineare dell’analisi discriminante lineare .
Questo tutorial fornisce un esempio passo passo di come eseguire l’analisi discriminante quadratica in R.
Passaggio 1: caricare le librerie necessarie
Innanzitutto, caricheremo le librerie necessarie per questo esempio:
library (MASS)
library (ggplot2)
Passaggio 2: caricare i dati
Per questo esempio, utilizzeremo il set di dati dell’iride integrato in R. Il codice seguente mostra come caricare e visualizzare questo set di dati:
#attach iris dataset to make it easy to work with attach(iris) #view structure of dataset str(iris) 'data.frame': 150 obs. of 5 variables: $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width: num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $Petal.Width: num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ... $ Species: Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 ...
Possiamo vedere che il set di dati contiene 5 variabili e 150 osservazioni in totale.
Per questo esempio, costruiremo un modello di analisi discriminante quadratica per classificare la specie a cui appartiene un dato fiore.
Utilizzeremo le seguenti variabili predittive nel modello:
- Lunghezza.sepalo
- Sepalo.Larghezza
- Petalo.Lunghezza
- Petalo.Larghezza
E li useremo per prevedere la variabile di risposta Specie , che supporta le seguenti tre classi potenziali:
- setosa
- versicolor
- Virginia
Passaggio 3: creare campioni di formazione e test
Successivamente, divideremo il set di dati in un set di training su cui addestrare il modello e un set di test su cui testare il modello:
#make this example reproducible set.seed(1) #Use 70% of dataset as training set and remaining 30% as testing set sample <- sample(c( TRUE , FALSE ), nrow (iris), replace = TRUE , prob =c(0.7,0.3)) train <- iris[sample, ] test <- iris[!sample, ]
Passaggio 4: modificare il modello QDA
Successivamente, utilizzeremo la funzione qda() del pacchetto MASS per adattare il modello QDA ai nostri dati:
#fit QDA model model <- qda(Species~., data=train) #view model output model Call: qda(Species ~ ., data = train) Prior probabilities of groups: setosa versicolor virginica 0.3207547 0.3207547 0.3584906 Group means: Sepal.Length Sepal.Width Petal.Length Petal.Width setosa 4.982353 3.411765 1.482353 0.2411765 versicolor 5.994118 2.794118 4.358824 1.3676471 virginica 6.636842 2.973684 5.592105 2.0552632
Ecco come interpretare i risultati del modello:
Probabilità a priori del gruppo: rappresentano le proporzioni di ciascuna specie nel set di addestramento. Ad esempio, il 35,8% di tutte le osservazioni nel training set riguardavano la specie virginica .
Medie di gruppo: mostrano i valori medi di ciascuna variabile predittrice per ciascuna specie.
Passaggio 5: utilizzare il modello per fare previsioni
Una volta adattato il modello utilizzando i nostri dati di addestramento, possiamo utilizzarlo per fare previsioni sui nostri dati di test:
#use QDA model to make predictions on test data predicted <- predict (model, test) names(predicted) [1] "class" "posterior" "x"
Ciò restituisce una lista con due variabili:
- classe: la classe prevista
- posteriore: la probabilità a posteriori che un’osservazione appartenga a ciascuna classe
Possiamo visualizzare rapidamente ciascuno di questi risultati per le prime sei osservazioni nel nostro set di dati di test:
#view predicted class for first six observations in test set head(predicted$class) [1] setosa setosa setosa setosa setosa setosa Levels: setosa versicolor virginica #view posterior probabilities for first six observations in test set head(predicted$posterior) setosa versicolor virginica 4 1 7.224770e-20 1.642236e-29 6 1 6.209196e-26 8.550911e-38 7 1 1.248337e-21 8.132700e-32 15 1 2.319705e-35 5.094803e-50 17 1 1.396840e-29 9.586504e-43 18 1 7.581165e-25 8.611321e-37
Passaggio 6: valutare il modello
Possiamo usare il seguente codice per vedere per quale percentuale di osservazioni il modello QDA ha predetto correttamente la specie:
#find accuracy of model
mean(predicted$class==test$Species)
[1] 1
Si scopre che il modello ha predetto correttamente la specie per il 100% delle osservazioni nel nostro set di dati di test.
Nel mondo reale, un modello QDA raramente prevede correttamente i risultati di ciascuna classe, ma questo set di dati dell’iride è semplicemente costruito in modo tale che gli algoritmi di apprendimento automatico tendono a funzionare molto bene.
Puoi trovare il codice R completo utilizzato in questo tutorial qui .