LDA是什么?
LDA(linear discrimination analysis ),也称为Fisher线性判别(Fisher Linear Discrimination,FLD)- 基本思想?
将高维样本投影到可以实现最佳分类的矢量空间,以实现抽取分类信息和压缩特征空间的目的。投影之后,在新空间中的样本的特点是:保证最小的类内距离和最大的类间距离。 降维之后的维度是多少?
我们知道pca降维是和数据原本的特征维度息息相关的,通过协方差矩阵来进行求解,选择维度一般是根据降维之后每一维度的方差(代表数据的分布范围大小)信息来选择。那LDA呢?LDA计算过程
思想:寻找一个空间矢量w,将数据投影到这个方向w上,得到新的数据y。
1)类间距离如何度量?
绝对值之差(为减小数据运算量,使用数据的均值来计算),——>如何寻找这一方向(向量相减)
2)类内样本投影之后的聚集程度如何度量?
使用方差信息,方向如何确定?
- 基本思想?
LDA
最新推荐文章于 2024-07-18 19:41:34 发布