机器学习-LDA与PCA算法
来源:互联网 发布:mysql索引上创建 编辑:程序博客网 时间:2024/05/21 08:03
Linear Discriminant Analysis
用途:数据预处理中的降维,分类任务
历史:Ronald A. Fisher在1936年提出了线性判别方法
线性判别分析(LDA)
目标:LDA关心的是能够最大化类间区分度的坐标轴成分
将特征空间(数据集中的多维样本)投影到一个维度更小的 k 维子空间中,
同时保持区分类别的信息
Linear Discriminant Analysis
原理:投影到维度更低的空间中,使得投影后的点,会形成按类别区分,
一簇一簇的情况,相同类别的点,将会在投影后的空间中更接近方法
线性判别分析(LDA)
Linear Discriminant Analysis
监督性:LDA是“有监督”的,它计算的是另一类特定的方向
投影:找到更合适分类的空间
线性判别分析(LDA)
与PCA不同,更关心分类而不是方差
数学原理
原始数据: 变换数据:
目标:找到该投影
线性判别分析(LDA)
Linear Discriminant Analysis
LDA分类的一个目标是使得不同类别之间的距离越远越好,
同一类别之中的距离越近越好
每类样例的均值:
线性判别分析(LDA)
投影后的均值:
投影后的两类样本中心点尽量分离:
Linear Discriminant Analysis
只最大化J(w)就可以了?
X1的方向可以最大化J(w),但是却分的不好
线性判别分析(LDA)
散列值:样本点的密集程度,值越大,越分散,反之,越集中
同类之间应该越密集些:
Linear Discriminant Analysis
目标函数:
散列值公式展开:
线性判别分析(LDA)
散列矩阵(scatter matrices):
类内散布矩阵 Sw = S1+S2:
Linear Discriminant Analysis
目标函数:
分子展开:
线性判别分析(LDA)
用途:数据预处理中的降维,分类任务
历史:Ronald A. Fisher在1936年提出了线性判别方法
线性判别分析(LDA)
目标:LDA关心的是能够最大化类间区分度的坐标轴成分
将特征空间(数据集中的多维样本)投影到一个维度更小的 k 维子空间中,
同时保持区分类别的信息
Linear Discriminant Analysis
原理:投影到维度更低的空间中,使得投影后的点,会形成按类别区分,
一簇一簇的情况,相同类别的点,将会在投影后的空间中更接近方法
线性判别分析(LDA)
Linear Discriminant Analysis
监督性:LDA是“有监督”的,它计算的是另一类特定的方向
投影:找到更合适分类的空间
线性判别分析(LDA)
与PCA不同,更关心分类而不是方差
数学原理
原始数据: 变换数据:
目标:找到该投影
线性判别分析(LDA)
Linear Discriminant Analysis
LDA分类的一个目标是使得不同类别之间的距离越远越好,
同一类别之中的距离越近越好
每类样例的均值:
线性判别分析(LDA)
投影后的均值:
投影后的两类样本中心点尽量分离:
Linear Discriminant Analysis
只最大化J(w)就可以了?
X1的方向可以最大化J(w),但是却分的不好
线性判别分析(LDA)
散列值:样本点的密集程度,值越大,越分散,反之,越集中
同类之间应该越密集些:
Linear Discriminant Analysis
目标函数:
散列值公式展开:
线性判别分析(LDA)
散列矩阵(scatter matrices):
类内散布矩阵 Sw = S1+S2:
Linear Discriminant Analysis
目标函数:
分子展开:
线性判别分析(LDA)
阅读全文
0 0
- 机器学习-LDA与PCA算法
- 机器学习系列--LDA与PCA
- 【机器学习】PCA与ICA,RCA,LDA
- 机器学习----LDA、PCA
- 机器视觉学习总结(二)—— LDA,PCA算法与应用
- LDA与PCA算法与应用
- 机器学习算法-PCA
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- 四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps
- LDA,PCA算法
- 机器学习-线性判别分析(LDA), 主成分分析(PCA)
- 仿腾讯微博菜单项目总结
- C语言 判断一个数是不是素数(用函数表示)
- 如何打印乘法口诀表(.c)
- 我在读pyTorch文档(一)
- SpEL表达式
- 机器学习-LDA与PCA算法
- Python:关于爬虫(1)
- selu激活函数
- 使用Postman发送GET&POST请求
- 杭电计算机学院大学生程序设计竞赛(2017新生赛)
- maven 配置多个仓库
- 2017.11.26
- org.hibernate.engine.transaction.internal.jdbc.JdbcTransaction cannot be cast to javax.transaction.T
- 使用TFT LCD制作Arduino触摸屏计算器