判别分析贝叶斯判别的R代码

在R语言中，贝叶斯判别是一种基于贝叶斯定理的概率分类方法。以下是使用贝叶斯判别进行简单分类的一个基础示例，假设我们有两组数据，每组代表一种类别，并且已知每个特征与类别之间的先验概率。

首先，你需要安装并加载所需的包，例如`MASS`包，它包含了贝叶斯判别模型的函数`lda()`：

install.packages("MASS")   # 如果还未安装，先安装
library(MASS)

然后，我们可以创建一个模拟的数据集，比如两个正态分布：

set.seed(1)  # 设置随机种子便于复制结果
data <- data.frame(
  x1 = rnorm(50, mean = c(-1, 1), sd = 1),
  x2 = rnorm(50, mean = c(1, -1), sd = 1),
  group = factor(c(rep("A", 25), rep("B", 25)))  # 两类标签
)

接下来，我们可以使用`lda()`函数进行贝叶斯判别分析：

model <- lda(group ~ ., data = data)

`group ~ .` 表示我们想根据所有列（除了"group"）来预测"group"这个变量。

最后，我们可以对新样本进行分类：

new_data <- data.frame(x1 = c(-0.5, 0.8), x2 = c(0.6, -1.2))  # 新的观测值
predicted_class <- predict(model, new_data)$class

`$class` 将返回每个新样本所属的最有可能的类别。