線性判別方法

線性判別方法(Linear Discriminant Analysis,簡稱LDA)是一種經(jīng)典的線性學(xué)習(xí)方法,在二分類問題上因為最早由(Fisher)提出,亦稱為“Fisher判別分析”。? ? ? ?(嚴(yán)格說來LDA與Fisher判別分析稍有不同,前者假設(shè)了各類樣本的協(xié)方差矩陣相同且滿秩)。

4.1.投影降維

LDA的思想非常樸素:給定訓(xùn)練設(shè)法將樣例投影到一條直線上,使得同類的樣例的投影點盡可能接近、異類樣例的投影點盡可能遠離;在對新樣本進行分類時,將其投影到同樣的這條直線上,再根據(jù)投影點的位置來確定新樣本的類別。如下圖是一個二維示意圖:


LDA二維示意圖

上面二維示意圖中的‘+’、‘-’分別代表正例和反例,橢圓表示數(shù)據(jù)簇的外輪廓,虛線表示投影,紅色實心圓和紅色實心三角形分別表示兩類樣本投影后的中心點。

以下先給出Fisher判別分析的步驟,以后會添加原理的內(nèi)容。


最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容