《表3 训练集和测试集的费舍尔线性判别分析结果》
FLDA是一种有监督的线性分类方法,将高维模式样本投影到最佳鉴别矢量空间,降维的同时保证样本有最大的类间距离和最小的类内距离,使得各类样品能够更好的区分。在SPSS软件中,将训练集作为FLDA的变量输入,产地信息作为判别输出,利用Fisher函数、wilks'lambda变量选择,采用步进判别法进行分析,结果见表3。训练集中对不同样品产地溯源的平均正确率为100.0%,预测集中对不同样品产地溯源的平均正确率为84.6%,其中来源于内蒙古的3个样品产地预测全部错误。以上结果表明建立的FLDA模型在训练集上表现良好,但对测试集数据表现一般,模型的泛化能力较差,有可能是训练集样本数量不足或特征波长选择不合适导致了模型的过拟合。
图表编号 | XD00225579400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 李楠、杨春杰 |
绘制单位 | 运城学院生命科学系、运城学院机电工程系 |
更多格式 | 高清、无水印(增值服务) |