判别分析 （ distinguish analysis）(二)：Fisher线性判别分析LDA

最新推荐文章于 2024-05-18 12:31:36 发布
最新推荐文章于 2024-05-18 12:31:36 发布
阅读量4.8k 收藏 39
点赞数 4
分类专栏： 多元统计分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_29831163/article/details/89607054
版权

判别分析系列博文：

判别分析 （ distinguish analysis）(一)：距离判别

判别分析 （ distinguish analysis）(二)：Fisher 判别

判别分析 （ distinguish analysis）(三)：Bayes 判别

判别分析 （ distinguish analysis）(四)：应用举例

 

Fisher判别

Fisher 线性判别函数

Fisher 判别规则

Fisher 判别的基本思想是投影，即将表面上不易分类的数据通过投影到某个方向 上，使得投影类与类之间得以分离的一种判别方法。

 

Fisher 线性判别函数

Fisher 判别规则

当总体的参数未知时，我们用样本对  \large \mu _{1}\, ,\mu _{2}  及 Σ 进行估计，注意到这里的 Fisher  判别与距离判别一样,不需要知道总体的分布类型，但两总体的均值向量必须有显著的差 异才行，否则判别无意义。

判别分析系列博文：

 

判别分析 （ distinguish analysis）(一)：距离判别

判别分析 （ distinguish analysis）(二)：Fisher 判别

判别分析 （ distinguish analysis）(三)：Bayes 判别

判别分析 （ distinguish analysis）(四)：应用举例

 

wamg潇潇
关注
  • 4
    点赞
  • 踩
  • 39
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
fisher判别分析法
04-10
很好的fisher判别的代码，简单易懂，明确的解释了该算法的原理，对于接触该类的算法有很好的启发。
线性判别分析（Linear Discriminant Analysis，LDA）
SongGu1996的博客
07-23 1万+
基础不牢，地动山摇。 线性判别分析（Linear Discriminant Analysis，LDA）是一种经典的线性学习方法，它既可以用于分类问题，也可以用于有监督的特征降维。它的思想非常朴素：给定训练样本，设法将样本特征投影到一个向量上，并且希望同类样本的投影点越近越好，异类样本的投影点越远越好。在对新样本进行分类时，照样将新样本的特征投影到这个向量上，再根据投影点的位置来确定新样本的类别。...
线性判别分析(LDA)
m0_65325092的博客
05-18 195
解决二分类问题，假设两个类各自都服从正态分布。思想为将样本投影到一条直线上，使得同类的样本点投影尽可能接近，异类的样本点投影尽可能远离(组内方差小组间方差大)。训练完成后，给定一个新的点，将其投影到同一直线上，根据在直线上的位置预测其分类。注意空间中的点投影到直线上都变成了一维的实数而非向量，表示投影到直线上之后到原点的距离。表示投影直线的方向向量(模长为1)和第i类样本的集合、均值向量、协方差矩阵。根据协方差矩阵的性质可知其投影点的方差为。两类样本的均值在直线上的投影为。
线性判别分析 LDA（Linear Discriminant Analysis）
JiangMengYa
10-09 1893
线性判别分析 LDA，数学基础、及代码实现
线性分类（二）-- 线性判别分析 LDA
CarpeDiem
12-07 1万+
线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的监督学习的数据降维方法。LDA的主要思想是将一个高维空间中的数据投影到一个较低维的空间中，且投影后要保证各个类别的类内方差小而类间均值差别大，本文主要以推导数学公式为主，从算法的物理意义出发，然后一步一步推导得到结果。
机器学习---线性判别分析
weixin_43961909的博客
08-18 735
Discriminant ,FLD)，是模式识别 的经典算法，1936年由Ronald Fisher⾸次提出，并在1996年由。线性判别分析的基本思想是将⾼维的模式样本投影到最佳鉴别⽮量空间，以达到抽取分类信息。因此，它是⼀种有效的特征抽取⽅法。使⽤这种⽅法能够使投影 后模式样本的类间散布矩阵。和压缩特征空间维数的效果。投影后保证模式样本在新的⼦空间有最⼤的类间距离和最⼩的类距。LDA更多的是考虑了标注，即希望投影后不同类别之间数据点的距离更⼤，同⼀。离，即模式在该空间中有最佳的可分离性。
Flower-Distinguish-Tensorflow-CNN:一个带登录界面的基于MINST的花卉识别系统
05-10
Flower-Distinguish 一个带登录界面的基于MINST的花卉识别系统 A MINST flower recognition system based on tensorflow, which can recognize nine pictures at the same time, provides login page and visual ...
Flower-Distinguish-Tensorflow_CNN:一个带登录界面的基于MINST的花卉识别系统
04-17
Flower-Distinguish 一个带登录界面的基于MINST的花卉识别系统 A MINST flower recognition system based on tensorflow, which can recognize nine pictures at the same time, provides login page and visual ...
超详细JDK1.8 ArrayList集合默认长度及扩容分析
12-21
1、首先看ArrayList默认... * distinguish this from EMPTY_ELEMENTDATA to know how much to inflate when * first element is added. */ private static final Object[] DEFAULTCAPACITY_EMPTY_ELEMENTDATA = {};
stroop 颜色和单词测试的判别效度：采用具有成本效益的策略来区分破坏性的青春期前儿童亚群
06-29
The discriminant validity of the stroop color and word test: Toward a cost-effective strategy to distinguish subgroups of disruptive preadolescents PsycholoEy in the Schools Volume 31. April 1994 ...
there is no way to distinguish perfectly
最新发布
06-16
there is no way to distinguish perfectly
【统计分析数学模型】判别分析（二）：Fisher判别法
姚巨龙的博客
02-23 1527
Fisher判别法的基本思想是“投影”，即将高维空间中的样本点投影到低维空间，从而简化问题。Fisher判别有线性判别、二次判别等多种判别方法。
线性判别分析
tiantangzixue的博客
05-21 1028
 LDA的全称Linear Discriminant Analysis，线性判别分析。原理是，将带标签的数据投影到维度更低的空间，使投影后的点形成按类别区分，相同类别的点在投影后的空间中更接近，异类尽可能远。二分类：给定数据集D,分别为对应类i的集合、均值向量、协方差矩阵，若将数据投影到直线w上，，则类的中心为，协方差为。最大化目标。定义类内散度矩阵，已知可求。定义类间散度矩阵，已知可求。可表示为...
基于matlab的fisher线性判别及感知器判别_SPSS 判别分析
weixin_39588104的博客
11-26 1002
一、定义判别分析又称“分辨法”，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。二、判别分析的一般形式y=a1x1+a2x2+……+anxn（a1为系数，Xn为变量）。事先非常明确共有几个类别，目的是从已知样本中训练出判别函数三、前提假设（有点类似多重回归分析）1.各自变量为连续性或有序分类变量2.自变量和因变量符合线性假设3.各组的协方差矩阵相等，类...
判别函数（三）之Fisher线性判别
Cherish__it的博客
01-18 4万+
应用统计方法解决模式识别问题时，一再碰到的问题之一就是维数问题。在低维空间里解析上或计算上行得通的方法，在高维空间里往往行不通。因此，降低维数有时就会成为处理实际问题的关键。
Fisher判别分析
weixin_45756261的博客
05-07 1039
Fisher判别法 #三类问题的判别 def determine(x1,x2):#x1,x2表示模式x=[7,5]^t d1x=d1[0]*x1+d1[1]*x2+d1[1] d2x=d2[0]*x1+d2[1]*x2+d2[1] d3x=d3[0]*x1+d1[1]*x2+d3[1] if d1x>0: print("该判定结果：X∈ω1")...
机器学习笔记之（4）——Fisher分类器（线性判别分析，LDA）
热门推荐
gwpscut的博客
05-22 5万+
本博文为Fisher分类器的学习笔记~本博文主要参考书籍为：《Python大战机器学习》Fisher分类器也叫Fisher线性判别（Fisher Linear Discriminant），或称为线性判别分析（Linear Discriminant Analysis，LDA）。线性模型对于给定样本，其中为样本的第n种特征。线性模型的形式为：其中，为每个特征对应的权重生成的权重向量。其实这个线性模型也...
Fisher线性判别分析（Linear Discriminant Analysis，LDA）
code_caq的博客
04-16 9432
LDA基本思想： 将高维的样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果。对于两类问题，可以看做把样本都投影到一个方向上，然后在这个一维空间确定一个分类的阈值。过这个阈值点且与投影方向垂直的超平面就是两类的分类面。投影方向的确定：投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。比如如下右图就是更好的投影方向~ LDA基本步
bayes判别法 R语言
07-28
然后，调用distinguish.bayes函数来进行Bayes判别。这个函数会根据训练样本的特征和类别信息，计算出一个判别函数，然后使用这个判别函数对待判断样本进行分类。\[1\] 另外，还可以使用distanceDiscriminant2.R脚本...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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