线性鉴别分析(LDA)之二分类问题
2014-04-29 09:53
302 查看
线性鉴别分析是有监督的学习方法。
已知数据集
子集
和
,满足
,
中的数据属于
类,
中的数据属于
类。
定义两个子集的平均值:
,
已知向量
,我们定义:
,
,
显然存在以下关系:
,
,
。
我们接着定义标准差
和
,其中
,
。
下面我们换算一下上面的两个方差公式:
,
其中:
,
。
定义类内散布矩阵
:
。
定义类间散布矩阵
:
。
————————————————————————————————————————————————————————————————————————————
有了以上的定义准则函数:
,
然后寻找
,最大化这个准则函数。对准则函数求导,我们发现
。
而且
和
是平行的。结合这两点我们发现,只要找的
,满足
和
平行即可。如果
是非奇异的,那么我们可以取
,
[align=left]即可。
[/align]
————————————————————————————————————————————————————————————————————————————
求出
后,我们对新的数据
进行预测,预测公式为:
。
已知数据集
子集
和
,满足
,
中的数据属于
类,
中的数据属于
类。
定义两个子集的平均值:
,
已知向量
,我们定义:
,
,
显然存在以下关系:
,
,
。
我们接着定义标准差
和
,其中
,
。
下面我们换算一下上面的两个方差公式:
,
其中:
,
。
定义类内散布矩阵
:
。
定义类间散布矩阵
:
。
————————————————————————————————————————————————————————————————————————————
有了以上的定义准则函数:
,
然后寻找
,最大化这个准则函数。对准则函数求导,我们发现
。
而且
和
是平行的。结合这两点我们发现,只要找的
,满足
和
平行即可。如果
是非奇异的,那么我们可以取
,
[align=left]即可。
[/align]
————————————————————————————————————————————————————————————————————————————
求出
后,我们对新的数据
进行预测,预测公式为:
。
相关文章推荐
- 线性判别分析(LDA)实现二分类的思路
- 机器学习初学代码(二) 线性判别分析LDA(二分类)
- LDA-线性判别分析(四)其他几个相关问题
- 线性鉴别分析LDA
- LDA-线性判别分析(四)其他几个相关问题
- 分类算法3----线性判别分析(LDA)原理和推导过程
- 文本分类之降维技术之特征抽取之LDA线性判别分析
- 使用LDA线性判别分析进行多类的训练分类
- 使用LDA线性判别分析进行多类的训练分类
- LDA线性分析推广到多分类
- R语言分类算法之线性判别分析(Linear Discriminant Analysis)
- 聚类分析中分类数的确定问题
- 线性判别分析(LDA)
- 线性判别式分析-LDA-Linear Discriminant Analysis
- 第八章 采用PCA(主成分分析)或LDA(线性判别分析)的人脸识别(二)
- 机器学习中的数学(4)-线性判别分析(LDA), 主成分分析(PCA)
- LDA线性分类
- LDA(线性判别式分析)以及与PCA降维之间的区别
- 基于机器学习的NLP情感分析(二)---- 分类问题
- 机器学习中的数学(4)-线性判别分析(LDA), 主成分分析(PCA)