私は柔軟な判別関数分析、特にRの「mda」パッケージの「fda」コマンドを理解しようとしています。私の理解では、デフォルトの方法は単純な線形判別関数分析であり、どの方法が私のものかを理解できます。元の予測子は、次のコードを使用して各判別式に最も貢献します (ドキュメントの例から)。
data(iris)
irisfit <- fda(Species ~ ., data = iris)
coef(irisfit)
[,1] [,2]
Intercept -2.1264786 -6.72910343
Sepal.Length -0.8377979 0.02434685
Sepal.Width -1.5500519 2.18649663
Petal.Length 2.2235596 -0.94138258
Petal.Width 2.8389936 2.86801283
私の理解では、上記から、Petal.Width が DF1 のグループの識別に最も大きく貢献していると解釈できます (ただし、この例では、他の変数が同様の識別を行っています)。
メソッドが火星に設定されている場合（たとえば、柔軟な判別関数分析を使用している場合）、類似の係数を取得しようとしています。
irisfit <- fda(Species ~ ., data = iris,method=mars)
coef(irisfit)
[,1] [,2]
[1,] 7.0488114 -2.107810
[2,] -1.6956574 5.520759
[3,] -4.6872316 2.640739
[4,] -2.7177875 -3.155109
[5,] 3.0196475 -2.095824
[6,] -0.9007739 -2.515975
[7,] -0.6596193 -1.423301
メソッドの理解が限られていることを許してください。ここで何が返されるか、これらの値をどのように解釈するかについては明確ではありません (たとえば、7 つの行がありますが、初期変数は 4 つしかありません...係数には非線形も含まれていますか?モデルの項?)。Hastie et al からこれを理解できませんでした。紙...
また、分析の主な動機は結果の分類ではなく、この分類でどの変数が最も識別力があるかを理解することであることを説明する必要があります。私は他の方法を模索していますが、fdaが役立つかもしれないと思いました...
前もって感謝します！