LDA解释

Question

我使用HMeasure包在涉及信用风险的分析中涉及LDA。我有11000个obs，我选择年龄和收入来开发分析。我不知道如何解释LDA的R结果。所以，我不知道我是否根据信用风险选择了最佳变量。 我在代码下面给你看。

lda(default ~ ETA, data = train) 

Prior probabilities of groups: 
       0         1 
0.4717286 0.5282714 

Group means: 
      ETA 
0 34.80251 
1 37.81549 

Coefficients of linear discriminants: 
         LD1 
ETA 0.1833161 

---

lda(default~ ETA + Stipendio,  train) 

Call: 
lda(default ~ ETA + Stipendio, data = train) 

Prior probabilities of groups: 
       0         1 
0.4717286 0.5282714 

Group means: 
      ETA Stipendio 
0 34.80251  1535.531 
1 37.81549  1675.841 

Coefficients of linear discriminants: 
                 LD1 
ETA       0.148374799 
Stipendio 0.001445174 

---

lda(default~ ETA, train) 
ldaP <- predict(lda, data= test) 

其中ETA =年龄和STIPENDIO =收入

非常感谢！

Answer 1

LDA使用每个类的均值和方差来创建它们之间的线性边界（或分离）。这个边界由系数限定。

您有两种不同的型号，一种取决于变量ETA，另一种取决于ETA和Stipendio。

您可以看到的第一件事是Prior probabilities of groups。这些概率是您的训练数据中已经存在的概率。即47.17％的训练数据对应的信用风险评估为0，52.82％的训练数据对应的信用风险评估为1.（我假设0代表“无风险”，1代表“有风险”）。这两种模型的概率是相同的。

您可以看到的第二件事是组意味着每个类中每个预测变量的平均值。这些值可能表明变量ETA可能对风险信用（37.8154）的影响稍大于对非风险信用（34.8025）的影响。在第二个模型中，变量Stipendio也会发生这种情况。

第一个模型中ETA的计算系数为0.1833161。这意味着，两个不同的类之间的边界将通过下式指定：

y = 0.1833161 * ETA 

这可以表示由以下line（x表示可变ETA）。信贷风险0或1将根据其所在行的哪一侧进行预测。

你的第二个模型包含两个因变量，ETA和Stipendio，使阶层之间的边界将通过这个公式来界定：

y = 0.148374799 * ETA + 0.001445174 * Stipendio 

正如你可以看到，这个公式表示plane 。 （x1代表ETA和x2代表Stipendio）。和以前的模型一样，这个平面代表了有风险的信用和非风险信用之间的差异。

在第二个模型中，ETA系数远远大于该Stipendio系数，这表明前者变量对信用风险程度比后来的变量更大的影响。

我希望这会有所帮助。