SPSS线性判别和非线性判别 SPSS线性判别和非线性判别区别

判别分析是根据对象属性进行对象分类的一种方法，过程是根据已知对象属性训练出能够判定对象分类的函数，后续输入对象属性后，函数自动对该对象进行判别分类。判别分析通常借助专业的统计分析软件进行，如IBM SPSS Statistics，SPSS线性判别和非线性判别步骤是什么，SPSS线性判别和非线性判别区别是什么，本文简单向大家说明。

一、SPSS线性判别和非线性判别

在SPSS中，我们一般使用的是线性判别，此方法由Fisher提出，开始时是根据iris花的几个形态特点，对150组iris花进行分类。这150组iris花形态数据是非常经典的数据，无论使用软件进行线性判别，或者进行机器学习，都会引用这组数据进行验证。

这里我们仍然以这一组经典数据为例，向大家介绍SPSS线性判别的步骤，首先录入数据如图1所示。其中Species为iris花的种类，已知有三个种类， Sepal.Length， Sepal.Width，Petal.Length，Petal.Width分别为花的形态特点，对应的是测量的统计数据，我们目的在于根据已有的数据，建立合适的判别函数，当我们再遇到一种新的iris花时，我们仅仅需要录入花的形态特点，就能实现自动判别该iris花属于哪个种类。

iris花形态分类数据

我们依次点击分析，分类，判别式，如图2所示。

判别式分类

然后将花形态变量录入自变量，将分组号录入分组变量，然后点击定义范围，由于最多有三个组，所以最小值为1，最大值为3。

定义分组范围

点击统计，勾选博克斯，未标准化选项，点击继续。

统计选项设置

点击分类，勾选摘要表和合并组选项，点击继续，然后点击确定，SPSS将进行线性判别分析，我们将在第三小节中介绍如何解读判别结果。

分类选项设置

二、SPSS线性判别和非线性判别区别

对于复杂的分类问题，我们可能会用到非线性判别函数，如下图中，A1，A2，A3为三个集，分布位置比较特别，此时使用线性判别函数无法精确地完成分类工作，直线总会与三个集有交点，借助于分段判别函数和二次判别函数，则可以解决判别问题，这就是线性判别和非线性判别的区别。

判别函数区别

实际情况下，上述问题非常少见，我们一般借助线性判别就可以解决问题。SPSS中的函数系数也为Fisher线性判别函数。

判别函数系数

三、SPSS线性判别结果解读

首先我们查看分组图，可见第一类setosa和第二类versic，第三类virgin分类较好，第二类和第三类略有重叠。

分组图

有了直观认识以后，我们查看分类结果，显示对98%的数据进行了较好的分类，2类和3类略有重叠，结果可以接受。

分组结果统计

然后我们查看威尔克Lambda表，判别函数1和判别函数2显著性均小于0.05，有统计学意义。

威尔克Lambda表

综合来看，判别函数有统计学意义，分组结果准确性可以接受，Fisher线性判别方法可以很好地解决iris花分类问题。

以上就是SPSS线性判别和非线性判别，SPSS线性判别和非线性判别区别的相关内容了。SPSS线性判别和非线性判别哪个为首选方法，一般首选线性判别，可解决大多数问题，SPSS线性判别和非线性判别在于对于某些集合，使用线性判别可能互有重叠，可借助非线性判别中分段线性和二次判别函数进行。