方差分析法

方差分析法前言工程实现的过程中需要对提取的特征指标进行有效性分析,评价各个特征指标与分类器不同类别的显著性关系,筛选出对不同类别判别贡献率最佳的指标,为设计分类器等提供支持。本文主要针对单因子方差分析法。实现步骤1.方差分析法的原理;2.数据准备;3.单因子方差分析法的matlab实现;4.特征的多重比较检验;实现过程1.方差分析法的原理;方差分析法(Analys…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

前言

工程实现的过程中需要对提取的特征指标进行有效性分析,评价各个特征指标与分类器不同类别的显著性关系,筛选出对不同类别判别贡献率最佳的指标,为设计分类器等提供支持。

本文主要针对单因子方差分析法。

实现步骤

1.方差分析法的原理;

2.数据准备;

3.单因子方差分析法的matlab实现;

4.特征的多重比较检验;

实现过程

1. 方差分析法的原理;

 方差分析法(Analysis of Variance, ANOVA)又称为F检验或者变异数分析,其目的是推断两组或多组资料的总体均数是否相同,检验两个或多个样本均数的差异是否具有统计学意义。

1.1 方差齐性检验的必要性

方差分析的F检验是以各个实验组内总体方差齐性为前提的,因此,应该先要对各个实验组内的总体方差进行齐性检验。如果各个组内总体方差为齐性,而且经过F检验所得多个样本所属总体平均数差异显著,这时才可以将多个样本所属总体平均数的差异归因于各种实验处理的不同所致;如果各个组内总体方差不齐,那么经过F检验所得多个样本所属总体平均数差异显著的结果,可能有一部分归因于各个实验组内总体方差不同所致。

进行方差分析需要首先进行方差齐性检验,即若组间方差不齐则不适用方差分析,但可以通过对数变换、倒数变换等方法变换后再进行方差齐性检验,若还不行只能进行参数检验,不过一般认为,如果各组参数相若,就算未能通过方差齐性检验,问题也不大。

方差齐性检验也成为Levene检验,主要用于检验两个或多个样本之间的方差是否齐性,要求样本为随机样本且相互独立。

1.2 方差分析的条件

1)可比性:若各组均数本身不具有可比性则不适用方差分析;

2)正态性:偏态分布数据不适用,可使用変量変换方法变为正态或近似正态分布再进行方差分析;

3)方差齐性:若组间方差不齐则不适用方差分析;

2.单因子方差分析及数据准备;

2.1 单因子方差分析

 为了考察某个因素A对试验指标(即随机变量X)的影响,在试验时保持其他因素不变,而仅让因素A改变,这种试验称为单因子试验。在方差分析中总假定各组总体独立地服从同方差正态分布,试验的目的就是检验该假设是否成立。如果假设成立则认为因素A对试验指标没有显著影响,试验指标变量的不同是由随机因素引起的,反之,则认为因素A对试验指标有显著性影响。

2.2 统计分析变量

总平均值:

方差分析法

组平均值:

方差分析法

总离差平方和ST、组内离差平方和、组间离差平方和:

方差分析法

组内离差平方和:

方差分析法

组间离差平方和:

方差分析法

F值

方差分析法

2.3 方差分析表

方差分析法

以上表格可以得出某个因素对某个指标的影响是否显著;

2.4 显著性确定

根据求解的F值,查表获取显著性水平,判断显著性的大小;

查表链接

3.单因子方差分析法的matlab实现;

clc
clear
close all
%单因子方差分析法:
A = [31.9 27.9 31.8 28.4 35.9; 
     24.8 25.7 26.8 27.9 26.2; 
     22.1 23.6 27.3 24.9 25.8; 
     27.0 30.8 29.0 24.5 28.5 ];
B = A';
p = anova1(B);
[p1, c1, s1] = anova1(B);
cc1 = multcompare(s1);%多重比较检验
%or
C = B(:);
gr = [ones(5,1); ones(5,1)*2; ones(5,1)*3; ones(5,1)*4];
pp = anova1(C, gr);
[p2, c2, s2] = anova1(C, gr);
cc2 = multcompare(s2);%多重比较检验

多个指标的F检验可考虑使用anova等函数;

4.特征的多重比较检验;

 F检验的显著性水平满足要求,仅能说明某个因素对试验指标有影响,即总体上该指标在不同的因素水平间有差异性,但不能说明在任意两个因素水平间都存在差异,为了进一步分析指标在不同因素水平间的差异性,采用多重比较检验的方法,对指标进行更详细的差异性检验。

方差分析法

具体可参考MATLAB中的multcompare函数,其中第四列表示均值差的统计观测量,第3/5列表示95%置信区间的左右端点,第六列表示显著性,置信区间包含原点则无显著性差异;

参考

1.方差分析法的ppt课件

2.方差分析

3.方差分析方法

4.CSDN大牛博客

转载于:https://www.cnblogs.com/happyamyhope/p/7595773.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/181442.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • JavaScript中的数组方法总结+详解「建议收藏」

    JavaScript中的数组方法总结+详解「建议收藏」在JS中,数组方法是非常重要且常用的的方法.在此整理总结一番.JavaScript数组的力量隐藏在数组方法中。1.js常用数组方法方法名功能返回值是否改变原数组版本push()在数组最后一位添加一或多个元素返回长度YES5-unshift()在数组前添加一或多个元素返回长度YES5-2.方法详解1.push……

  • eclipse的maven插件(eclipse更新maven仓库)

    打开eclipse的help菜单,选择installnewsoftware项。2、在弹出的窗口中选择whatisalreadyinstalled,就会弹出所有安装的插件,选择maven,点击uninstall,卸载后重启eclipse即可。我的是卸载圈中的这两个…

  • 关于c#中的dialogresult

    关于c#中的dialogresult
    在botton里面设置dialogresult为ok的时候,按下按钮窗口会自然关闭,这是由于窗口时模态显示的原因
    这种方式多用于设置对话框吧。。。
    但是更多时候必须判断对话框里里的输入是否有效或者其他一些判断
    所以不推荐奖button的dialogresult属性直接设置为ok
    而是动态用代码实现,但条件成立的时候写上
    this.DialogResult=DialogResult.ok;
    这样可以避免一些异常的捕捉和判断。。。

  • https,httpClient 绕过证书验证的两种写法「建议收藏」

    https,httpClient 绕过证书验证的两种写法「建议收藏」https,httpClient 绕过证书验证的两种写法

  • 关于epoll的IO模型是同步异步的一次纠结过程

    关于epoll的IO模型是同步异步的一次纠结过程这篇文章的结论就是epoll属于同步非阻塞模型这是一次概念的纠结过程,对写代码没有太大意义。过程是这样的:首先,我的概念里往往只有同步和异步,没有太多去区别同异步IO和同异步通知两种。另外还记得apu(2rd)中有一句“select和poll可以实现异步形式的通知”。接着,听到了epoll是同步IO这个概念,比较意外。坚持…

  • mybatis和hibernate的以及jpa区别_hibernate sql

    mybatis和hibernate的以及jpa区别_hibernate sql1、概述hibernate和mybatis是当前流行的ORM框架。hibernate对数据库结构提供了较为完整的封装。mybatis主要着力点在于java对象与SQL之间的映射关系。2、Hibernate理解Hibernate是一个开放源代码的对象关系映射框架,它对JDBC进行了非常轻量级的对象封装,它将java对象与数据库表建立映射关系,是一个全自动的orm框架。Hibernate可以自动生成SQ

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号