楼住可参看这篇博文1.线性判别
当不同类样本的协方差矩阵相同时，我们可以在R中使用MASS包的lda函数实现线性判别。lda函数以Bayes判别思想为基础。当分类只有两种且总体服从多元正态分布条件下，Bayes判别与Fisher判别、距离判别是等价的。本例使用iris数据集来对花的品种进行分类。首先载入MASS包，建立判别模型，其中的prior参数表示先验概率。然后利用table函数建立混淆矩阵，比对真实类别和预测类别。
library(MASS)
model1=lda(Species~.,data=iris,prior=c(1,1,1)/3)
table(Species,predict(model1)$class)

Species      setosa versicolor virginica
setosa         50          0         0
versicolor      0         48         2
virginica       0          1        49
从以上结果可观察到判断错误的样本只有三个。在判别函数建立后，还可以类似主成分分析那样对判别得分进行绘图
ld=predict(model1)$x
p=ggplot(cbind(iris,as.data.frame(ld))
,aes(x=LD1,y=LD2))
p+geom_point(aes(colour=Species),alpha=0.8,size=3)


2.二次判别
当不同类样本的协方差矩阵不同时，则应该使用二次判别。
model2=qda(Species~.,data=iris,cv=T)
这里将CV参数设置为T，是使用留一交叉检验（leave-one-out cross-validation），并自动生成预测值。这种条件下生成的混淆矩阵较为可靠。此外还可以使用predict(model)$posterior提取后验概率。
在使用lda和qda函数时注意：其假设是总体服从多元正态分布，若不满足的话则谨慎使用。

翻翻旧帖，这里有

好东西 学习学习

多谢missingjc！ mvstats的3.0版本层次分析法相关函数工作正常。

Thx~~

学习了，多谢。

感谢分享

谢谢分享！

好东西

可不可以给我的邮箱发送一分，没有论坛币
1838017007@qq.com

亲   你是怎么用的，我怎么用不了

我的运行不了

谢谢，可以使用

当分类只有两种且总体服从多元正态分布条件下??  Bayes判别与Fisher判别、距离判别是等价的