高斯判别分析

本文介绍了高斯判别分析(GDA),它适用于连续型随机变量的特征,利用多变量正态分布来建模。GDA模型中,不同类别的特征向量遵循相同的高斯分布但有不同的均值。GDA与logistic回归有密切联系,当p(x|y)符合多元高斯分布时,p(y|x)符合logistic回归模型,但反之不成立,因为GDA假设更严格。在不确定数据分布情况下,logistic回归更为常用。
摘要由CSDN通过智能技术生成

1) 多值正态分布
多变量正态分布描述的是n 维随机变量的分布情况,这里的μ变成了向量,σ也变成了矩阵Σ。写作N(μ,Σ)。假设有n 个随机变量x1 , x2, … , xn。μ的第i 个分量是E(X),而Σii = Var(Xi ),Σij = Cov(Xi,Xj )。
概率密度函数如下:
这里写图片描述
其中|Σ|是Σ的行列式,Σ是协方差矩阵,而且是对称半正定的。
当μ是二维的时候可以如下图表示:
这里写图片描述

其中μ决定中心位置,Σ决定投影椭圆的朝向和大小。
如下图:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值