使用MASS观察LDA中线性判别式的访问分数：lda（）

Question

library(MASS) 
example(lda) 
plot(z) 

如何访问z中的所有点？我想知道沿着LD1和LD2取决于它们的Sp（c，s，v）的每个点的值。

Answer 1

您正在查找的是作为"lda"（参见?predict.lda）对象的predict()方法的一部分计算得出的。它被返回作为由predict(z)产生的对象的分量x：

## follow example from ?lda 
Iris <- data.frame(rbind(iris3[,,1], iris3[,,2], iris3[,,3]), 
        Sp = rep(c("s","c","v"), rep(50,3))) 
set.seed(1) ## remove this line if you want it to be pseudo random 
train <- sample(1:150, 75) 
table(Iris$Sp[train]) 
## your answer may differ 
## c s v 
## 22 23 30 
z <- lda(Sp ~ ., Iris, prior = c(1,1,1)/3, subset = train) 

## get the whole prediction object 
pred <- predict(z) 
## show first few sample scores on LDs 
head(z$x) 

的最后一行示出了对象的分数的对线性判别式的前几行

> head(pred$x) 
      LD1  LD2 
40 -8.334664 0.1348578 
56 2.462821 -1.5758927 
85 2.998319 -0.6648073 
134 4.030165 -1.4724530 
30 -7.511226 -0.6519301 
131 6.779570 -0.8675742 

这些得分可以被绘制，像这样

plot(LD2 ~ LD1, data = pred$x) 

产生如下图（此训练样本！）

Answer 2

当您调用功能plot(z)时，您实际上正在调用功能plot.lda - 这是一种S3方法。基本上，对象z有lda类：

class(z) 

大家可以看一下正在使用的实际功能：

getS3method("plot", "lda") 

这真可谓是相当复杂的。但关键点是：

x = z 
Terms <- x$terms 
data <- model.frame(x) 
X <- model.matrix(delete.response(Terms), data) 
g <- model.response(data) 
xint <- match("(Intercept)", colnames(X), nomatch = 0L) 
X <- X[, -xint, drop = FALSE] 
means <- colMeans(x$means) 
X <- scale(X, center = means, scale = FALSE) %*% x$scaling 

我们不能情节像以前一样：

plot(X[,1], X[,2]) 

限制性条文有很可能是得到你想要的东西更简单的方法 - 我只是不知道lda功能。