判别分析python代码

判别分析（Discriminant Analysis）是一种统计方法，用于预测或分类观测值，通常在数据具有多个类别时使用。在Python中，我们可以使用scikit-learn库中的`sklearn.discriminant_analysis`模块来进行判别分析。以下是一个简单的例子，展示了如何进行线性判别分析（Linear Discriminant Analysis, LDA）：

# 导入所需的库
from sklearn import datasets
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.model_selection import train_test_split
import numpy as np

# 加载数据集（例如使用Iris数据集）
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建并训练LDA模型
lda = LinearDiscriminantAnalysis()
lda.fit(X_train, y_train)

# 预测测试集
y_pred = lda.predict(X_test)

# 评估模型性能
accuracy = lda.score(X_test, y_test)
print("Accuracy:", accuracy)

在这个例子中，我们首先加载了一个数据集，然后将其分为训练集和测试集。接着，我们创建了一个`LinearDiscriminantAnalysis`对象，并用训练数据对其进行训练。之后，模型用来预测测试集，并输出预测的准确性。

如果你对其他类型的判别分析（如Quadratic Discriminant Analysis, QDA）感兴趣，只需要替换`LinearDiscriminantAnalysis`为`QuadraticDiscriminantAnalysis`即可。