{"id":1167,"date":"2023-07-27T10:31:36","date_gmt":"2023-07-27T10:31:36","guid":{"rendered":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/"},"modified":"2023-07-27T10:31:36","modified_gmt":"2023-07-27T10:31:36","slug":"kwadratische-discriminantanalyse-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/","title":{"rendered":"Kwadratische discriminantanalyse in r (stap voor stap)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse\/\" target=\"_blank\" rel=\"noopener noreferrer\">Kwadratische discriminantanalyse<\/a> is een methode die u kunt gebruiken als u over een reeks voorspellende variabelen beschikt en u een <a href=\"https:\/\/statorials.org\/nl\/variabelen-verklarende-reacties\/\" target=\"_blank\" rel=\"noopener noreferrer\">responsvariabele<\/a> in twee of meer klassen wilt indelen. Het wordt beschouwd als het niet-lineaire equivalent van <a href=\"https:\/\/statorials.org\/nl\/lineaire-discriminantanalyse-in-r\/\" target=\"_blank\" rel=\"noopener noreferrer\">lineaire discriminantanalyse<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Deze tutorial biedt een stapsgewijs voorbeeld van het uitvoeren van kwadratische discriminantanalyse in R.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Stap 1: Laad de benodigde bibliotheken<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Eerst laden we de benodigde bibliotheken voor dit voorbeeld:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <span style=\"color: #000000;\"><b><span style=\"color: #993300;\">library<\/span> (MASS)\n<span style=\"color: #993300;\">library<\/span> (ggplot2)<\/b><\/span><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Stap 2: Gegevens laden<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Voor dit voorbeeld gebruiken we de <strong>irisgegevensset<\/strong> die in R is ingebouwd. De volgende code laat zien hoe u deze gegevensset laadt en weergeeft:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#attach <em>iris<\/em> dataset to make it easy to work with<\/span>\nattach(iris)\n\n<span style=\"color: #008080;\">#view structure of dataset\n<\/span>str(iris)\n\n'data.frame': 150 obs. of 5 variables:\n $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...\n $ Sepal.Width: num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...\n $Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...\n $Petal.Width: num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...\n $ Species: Factor w\/ 3 levels \"setosa\",\"versicolor\",..: 1 1 1 1 1 1 1 ...\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">We kunnen zien dat de dataset in totaal 5 variabelen en 150 observaties bevat.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Voor dit voorbeeld zullen we een kwadratisch discriminantanalysemodel bouwen om de soort te classificeren waartoe een bepaalde bloem behoort.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We zullen de volgende voorspellende variabelen in het model gebruiken:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Kelkbladlengte<\/span><\/li>\n<li> <span style=\"color: #000000;\">Kelkbladbreedte<\/span><\/li>\n<li> <span style=\"color: #000000;\">Bloemblaadje. Lengte<\/span><\/li>\n<li> <span style=\"color: #000000;\">Bloemblaadje.Breedte<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">En we zullen ze gebruiken om de responsvariabele <em>Species<\/em> te voorspellen, die de volgende drie potenti\u00eble klassen ondersteunt:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">setosa<\/span><\/li>\n<li> <span style=\"color: #000000;\">veelkleurig<\/span><\/li>\n<li> <span style=\"color: #000000;\">Virginia<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Stap 3: Maak trainings- en testvoorbeelden<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Vervolgens splitsen we de dataset op in een trainingsset om het model op te trainen en een testset om het model op te testen:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#make this example reproducible\n<\/span>set.seed(1)\n\n<span style=\"color: #008080;\">#Use 70% of dataset as training set and remaining 30% as testing set\n<\/span>sample &lt;- sample(c( <span style=\"color: #008000;\">TRUE<\/span> , <span style=\"color: #008000;\">FALSE<\/span> ), <span style=\"color: #3366ff;\">nrow<\/span> (iris), <span style=\"color: #3366ff;\">replace<\/span> = <span style=\"color: #008000;\">TRUE<\/span> , <span style=\"color: #3366ff;\">prob<\/span> =c(0.7,0.3))\ntrain &lt;- iris[sample, ]\ntest &lt;- iris[!sample, ] \n<\/strong><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Stap 4: Pas het QDA-model aan<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Vervolgens zullen we de <a href=\"https:\/\/www.rdocumentation.org\/packages\/MASS\/versions\/7.3-53\/topics\/qda\" target=\"_blank\" rel=\"noopener noreferrer\">functie qda()<\/a> uit het <strong>MASS-<\/strong> pakket gebruiken om het QDA-model aan onze gegevens aan te passen:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit QDA model\n<\/span>model &lt;- qda(Species~., data=train)\n\n<span style=\"color: #008080;\">#view model output<\/span>\nmodel\n\nCall:\nqda(Species ~ ., data = train)\n\nPrior probabilities of groups:\n    setosa versicolor virginica \n 0.3207547 0.3207547 0.3584906 \n\nGroup means:\n           Sepal.Length Sepal.Width Petal.Length Petal.Width\nsetosa 4.982353 3.411765 1.482353 0.2411765\nversicolor 5.994118 2.794118 4.358824 1.3676471\nvirginica 6.636842 2.973684 5.592105 2.0552632 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Zo interpreteert u de modelresultaten:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Groepsvoorafgaande kansen:<\/strong> deze vertegenwoordigen de verhoudingen van elke soort in de trainingsset. Zo had 35,8% van alle waarnemingen in de trainingsset betrekking op de soort <em>virginica<\/em> .<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Groepsgemiddelden:<\/strong> deze geven de gemiddelde waarden weer van elke voorspellende variabele voor elke soort.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Stap 5: Gebruik het model om voorspellingen te doen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Zodra we het model hebben aangepast met behulp van onze trainingsgegevens, kunnen we het gebruiken om voorspellingen te doen op basis van onze testgegevens:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#use QDA model to make predictions on test data\n<\/span>predicted &lt;- <span style=\"color: #3366ff;\">predict<\/span> (model, test)\n\nnames(predicted)\n\n[1] \"class\" \"posterior\" \"x\"   \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Dit retourneert een lijst met twee variabelen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>klasse:<\/strong> de voorspelde klasse<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>posterior:<\/strong> De <a href=\"https:\/\/statorials.org\/nl\/posterieure-waarschijnlijkheid\/\" target=\"_blank\" rel=\"noopener noreferrer\">posterieure waarschijnlijkheid<\/a> dat een waarneming tot elke klasse behoort<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">We kunnen elk van deze resultaten snel visualiseren voor de eerste zes waarnemingen in onze testdataset:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view predicted class for first six observations in test set\n<\/span>head(predicted$class)\n\n[1] setosa setosa setosa setosa setosa setosa\nLevels: setosa versicolor virginica\n\n<span style=\"color: #008080;\">#view posterior probabilities for first six observations in test set<\/span>\nhead(predicted$posterior)\n\n   setosa versicolor virginica\n4 1 7.224770e-20 1.642236e-29\n6 1 6.209196e-26 8.550911e-38\n7 1 1.248337e-21 8.132700e-32\n15 1 2.319705e-35 5.094803e-50\n17 1 1.396840e-29 9.586504e-43\n18 1 7.581165e-25 8.611321e-37\n<\/strong><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Stap 6: Evalueer het model<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">We kunnen de volgende code gebruiken om te zien voor welk percentage waarnemingen het QDA-model de soort correct voorspelde:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#find accuracy of model\n<\/span>mean(predicted$class==test$Species)\n\n[1] 1<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Het blijkt dat het model de soort correct voorspelde voor <strong>100%<\/strong> van de waarnemingen in onze testdataset.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In de echte wereld voorspelt een QDA-model zelden correct de resultaten van elke klasse, maar deze iris-dataset is eenvoudigweg zo opgebouwd dat machine learning-algoritmen de neiging hebben zeer goed te presteren.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De volledige R-code die in deze tutorial wordt gebruikt, vindt u <a href=\"https:\/\/github.com\/Statorials\/R-Guides\/blob\/main\/quadratic_discriminant_analysis\" target=\"_blank\" rel=\"noopener noreferrer\">hier<\/a> .<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Kwadratische discriminantanalyse is een methode die u kunt gebruiken als u over een reeks voorspellende variabelen beschikt en u een responsvariabele in twee of meer klassen wilt indelen. Het wordt beschouwd als het niet-lineaire equivalent van lineaire discriminantanalyse . Deze tutorial biedt een stapsgewijs voorbeeld van het uitvoeren van kwadratische discriminantanalyse in R. Stap 1: [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1167","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Kwadratische discriminantanalyse in R (stap voor stap)<\/title>\n<meta name=\"description\" content=\"In deze zelfstudie wordt uitgelegd hoe u een kwadratische discriminantanalyse in R uitvoert, inclusief een stapsgewijs voorbeeld.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Kwadratische discriminantanalyse in R (stap voor stap)\" \/>\n<meta property=\"og:description\" content=\"In deze zelfstudie wordt uitgelegd hoe u een kwadratische discriminantanalyse in R uitvoert, inclusief een stapsgewijs voorbeeld.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T10:31:36+00:00\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/\",\"url\":\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/\",\"name\":\"Kwadratische discriminantanalyse in R (stap voor stap)\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-27T10:31:36+00:00\",\"dateModified\":\"2023-07-27T10:31:36+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"In deze zelfstudie wordt uitgelegd hoe u een kwadratische discriminantanalyse in R uitvoert, inclusief een stapsgewijs voorbeeld.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Kwadratische discriminantanalyse in r (stap voor stap)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Kwadratische discriminantanalyse in R (stap voor stap)","description":"In deze zelfstudie wordt uitgelegd hoe u een kwadratische discriminantanalyse in R uitvoert, inclusief een stapsgewijs voorbeeld.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/","og_locale":"de_DE","og_type":"article","og_title":"Kwadratische discriminantanalyse in R (stap voor stap)","og_description":"In deze zelfstudie wordt uitgelegd hoe u een kwadratische discriminantanalyse in R uitvoert, inclusief een stapsgewijs voorbeeld.","og_url":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/","og_site_name":"Statorials","article_published_time":"2023-07-27T10:31:36+00:00","author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"3\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/","url":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/","name":"Kwadratische discriminantanalyse in R (stap voor stap)","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-27T10:31:36+00:00","dateModified":"2023-07-27T10:31:36+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"In deze zelfstudie wordt uitgelegd hoe u een kwadratische discriminantanalyse in R uitvoert, inclusief een stapsgewijs voorbeeld.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/kwadratische-discriminantanalyse-in-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Kwadratische discriminantanalyse in r (stap voor stap)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1167","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=1167"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1167\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=1167"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=1167"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=1167"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}