运用Fisher判别法，使用iris数据进行判别分析。请用R语言写出代码回答以下问题： 1、第一判别函数对判别模型的贡献是多大（判别效率）？ 2、请写出第一判别函数和第二判别函数的表达式（非标准化）？ 3、请解释两个判别函数的大致含义。 4、某鸢尾花的四个变量取值分别为5.1,3.5,1.4,0.2，假设三种鸢尾 花在第一判别函数上的方差没有显著差异，请采用第一判别函数，为 该鸢尾花判断类型。 5、利用Fisher判别法使用iris的前135样本点进行建模分析，井用 prodict()对后15个样本点进行预测

以下是使用R语言回答问题的代码：

# 加载iris数据集
data(iris)

# 取出前135个样本点进行建模分析
iris.train <- iris[1:135,]

# 定义鸢尾花类别
iris.types <- unique(iris$Species)

# Fisher判别法
fisher <- lda(Species ~ ., data = iris.train)

# 查看第一判别函数对判别模型的贡献
fisher$scaling[1]

# 输出第一判别函数和第二判别函数的表达式
fisher$scaling[,1]
fisher$scaling[,2]

# 解释两个判别函数的大致含义
# 第一判别函数：对花萼长度、花萼宽度和花瓣长度有较大的权重，对花瓣宽度有较小的权重，可以很好地区分不同种类的鸢尾花。
# 第二判别函数：对花萼宽度和花瓣宽度有较大的权重，对花萼长度和花瓣长度有较小的权重，可以进一步提高分类的准确性。

# 利用第一判别函数为该鸢尾花判断类型
new.data <- data.frame(Sepal.Length = 5.1,
                       Sepal.Width = 3.5,
                       Petal.Length = 1.4,
                       Petal.Width = 0.2)
predict(fisher, newdata = new.data)

# 利用Fisher判别法对后15个样本点进行预测
iris.test <- iris[136:150,]
predict(fisher, newdata = iris.test)

注意：以上代码仅供参考，实际使用时需要根据具体情况进行调整。