উত্তর:
বৈষম্যমূলক বিশ্লেষণ একটি মাল্টিভারিয়েট স্বাভাবিক বিতরণকে ধরে নিয়েছে কারণ আমরা সাধারণত যা অনুমানকারী হিসাবে বিবেচনা করি তা সত্যই একটি মাল্টিভারিয়েট নির্ভরশীল পরিবর্তনশীল এবং গোষ্ঠীগত পরিবর্তনশীলটিকে ভবিষ্যদ্বাণীকারী হিসাবে বিবেচনা করা হয়। এর অর্থ হ'ল শ্রেণীবদ্ধ ভেরিয়েবলগুলি যা আপনার ইচ্ছামত ভবিষ্যদ্বাণীকারী হিসাবে বিবেচনা করা উচিত তা ভালভাবে পরিচালনা করা হয় না। এটি একটি কারণ যা আমাকে সহ অনেকগুলি বৈষম্যমূলক বিশ্লেষণকে লজিস্টিক রিগ্রেশন দ্বারা অপ্রচলিত বলে বিবেচনা করে। মডেলটির বাম হাত বা ডানদিকে কোনওভাবেই লজিস্টিক রিগ্রেশন কোনও প্রকার বিতরণীয় অনুমান করে না। লজিস্টিক রিগ্রেশন একটি প্রত্যক্ষ সম্ভাবনার মডেল এবং বৈষম্যমূলক বিশ্লেষণের মতো ফলাফলগুলিকে সম্ভাব্যতায় রূপান্তর করতে বায়েসের নিয়ম ব্যবহারের প্রয়োজন হয় না।
সংক্ষিপ্ত উত্তর হ্যাঁ চেয়ে বরং হয়।
একটি প্রাথমিক নোট। এগুলি বলা মুশকিল যে ভেরিয়েবলগুলি যেগুলি নিজের থেকে বৈষম্যমূলক ফাংশন তৈরি করে তাদের "স্বাধীন" বা "নির্ভরশীল" বলা উচিত। এলডিএ মূলত ক্যানোনিকাল পারস্পরিক সম্পর্ক বিশ্লেষণের একটি সুনির্দিষ্ট কেস এবং তাই এটি উচ্চাকাঙ্ক্ষী। এটি মানোভা হিসাবে দেখা যেতে পারে (স্বতন্ত্র ফ্যাক্টর হিসাবে শ্রেণি ভেরিয়েবল সহ) বা, যখন শ্রেণি দ্বৈতশীল হয়, নির্ভরশীল ভেরিয়েবল হিসাবে শ্রেণীর লিনিয়ার রিগ্রেশন হিসাবে। অতএব সর্বদা এলজিডিএর পক্ষে যৌক্তিকের মতো এক-দিকনির্দেশনামূলক প্রতিক্রিয়া নিয়ে বিরোধিতা করা মোটেই আইনী নয় ।
এলডিএ ধরে নিয়েছে যে ভেরিয়েবলগুলি (যাদেরকে আপনি "স্বাধীন" বলেছিলেন) বহু বিতরণ থেকে সাধারণ বিতরণ থেকে আসে, তাই - এগুলি সব অবিচ্ছিন্ন। এই অনুমানটি (1) এলডিএর শ্রেণিবিন্যাসের পর্যায়ে এবং (2) নিষ্কাশন পর্যায়ে উত্পাদিত বৈষম্যমূলকদের তাত্পর্য তাত্পর্য গুরুত্বপূর্ণ। বৈষম্যমূলকদের উত্তোলন নিজেই অনুমানের প্রয়োজন হয় না।
তবে এলডিএ অনুমানের লঙ্ঘনের পক্ষে যথেষ্ট দৃ .় যা কখনও কখনও বাইনারি ডেটাতে ওয়ারেন্টি হিসাবে দেখা যায় । আসলে, কিছু লোক এটি করে। উভয় সেট বাইনারি বা এমনকি ডামি বাইনারি ভেরিয়েবল সমন্বিত যেখানে ক্যানোনিকাল পারস্পরিক সম্পর্ক (যার মধ্যে এলডিএ একটি নির্দিষ্ট কেস) এটি করা যেতে পারে। আবারও, সুপ্ত ফাংশনগুলির নিষ্কাশন নিয়ে কোনও সমস্যা নেই; যখন পি-ভ্যালু বা শ্রেণিবদ্ধকরণের জিনিসগুলি চাওয়া হয় তখন এ জাতীয় অ্যাপ্লিকেশনটির সমস্যাগুলি সম্ভাব্যভাবে উত্থাপিত হয়।
বাইনারি / অর্ডিনাল ভেরিয়েবলগুলি থেকে কেউ টেট্রাকোরিক / পলিকোরিক পারস্পরিক সম্পর্ক গণনা করতে পারেন এবং এটি এলডিএতে জমা দিতে পারেন (যদি প্রোগ্রামটি ডেটার স্থলে মেল্রিকগুলি ইনপুট করতে দেয়); তবে কেস স্তরে বৈষম্যমূলক স্কোর গণনা সমস্যাযুক্ত হবে।
আরও নমনীয় পন্থা হ'ল অনুকূল স্কেলিং / কোয়ান্টিফিকেশন দ্বারা শ্রেণিবদ্ধ (নিয়মিত, নামমাত্র) পরিবর্তনশীলগুলিকে অবিচ্ছিন্ন রূপান্তরিত করা । ননলাইনার ক্যানোনিকাল পারস্পরিক সম্পর্ক বিশ্লেষণ (ওভারালস)। এটি উভয় পক্ষের (শ্রেণি ভেরিয়েবল এবং শ্রেণিবদ্ধ "ভবিষ্যদ্বাণীকারী") এর মধ্যে সর্বাধিক প্রচ্ছন্ন সম্পর্ককে কার্যের অধীনে এটি করবে। এরপরে আপনি পরিবর্তিত ভেরিয়েবলগুলি দিয়ে এলডিএ চেষ্টা করতে পারেন।
(বহুজাতিক বা বাইনারি) লজিস্টিক রিগ্রেশন এলডিএর অন্য বিকল্প হতে পারে another