LDA & GDA 的原理及在定位数据预处理的应用

LDA在Wi-Fi定位算法中用于特征选择,通过寻找最大化类别间距离和最小化类别内距离的投影向量进行降维。预处理时,先去除噪声特征,如低频MAC地址,再利用LDA确定对分类有贡献的特征,提高定位精度和效率。
摘要由CSDN通过智能技术生成

WI-FI定位算法中都会涉及到特征的选择问题,对于一个geohash的特征是什么,特征有多少个,直接决定了定位精度以及回归效果。那么选择特征当然很重要。

那么如何选择特征呢,LDA是一个不错的选择

LDA原理介绍

LDA (Linear Discriminat Analysis) 线性判别分析, 和PCA相似,主要用在降维分类当中,GDA是LDA的核形式。

LDA的主要思想是寻找一个向量V,不同类别的点在V方向的投影的中心点m1,m2,...,mn之间距离之和最大,并且各个类别内部的点在V方向上的投影距离之和是最小的。

说白了,就是类别之间离得越远越好,类别内部越聚合越好。

如图:

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