机器学习-线性判别分析python实现

最新推荐文章于 2024-07-12 19:58:54 发布

yeats_bit

最新推荐文章于 2024-07-12 19:58:54 发布

阅读量1.1k

点赞数

分类专栏： python 机器学习

本文链接：https://blog.csdn.net/weixin_41637300/article/details/84591348

版权

本文介绍了如何使用Python进行线性判别分析，参考自《西瓜书》第60页，包括拓展1和拓展2的内容，详细阐述了线性判别分析的理论与实践应用。

摘要由CSDN通过智能技术生成

西瓜书p60

import numpy as np 

dataset = [[0.697,0.460,1],[0.774,0.376,1],[0.634,0.264,1],[0.608,0.318,1],[0.556,0.215,1],[0.403,

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

yeats_bit

关注关注

0
点赞
踩
10

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

机器学习 --- 线性判别分析

Junds0的博客

01-20

986

第1关：线性判别分析 - 随机生成数的降维本关任务：使用 python 实现 LDA 并对给定数据进行降维。 #encoding=utf8 import numpy as np from numpy.linalg import inv def lda(X, y): ''' input:X(ndarray):待处理数据 y(ndarray):待处理数据标签，标签分别为0和1 output:X_new(ndarray):处理后的数据 ''' #**

Fisher算法线性判别分析python实现

04-01

Fisher算法python实现含训练集和测试集，Fisher算法也叫Fisher判别分析，或线性判别分析（LDA）

参与评论您还未登录，请先登录后发表或查看评论

python数据分析-判别分析

Laoacai的博客

07-14

1019

判别分析是多元分析中用于判别样本所属类型的一种统计分析方法，即在已知研究对象用某种方法已经分成若干类的情况下，确定新的样本属于哪一类。一、距离判别距离判别的基本思想是按就近原则进行归类。首先根据已知分类的数据分别计算各类的中心，即各类的均值，若任一新样本的观测值都与第i类的中心距离最近，就认为它属于第i类。用统计语言表述：已知总体G1，G2，…，Gk，先从每个总体中分别抽取n1，n2，…，nk个样本，每个样本皆测量p个指标，对新样本x=（x1，x2，…，xp）计算x到G1，G2，…，Gk的距离，记为d

【机器学习】线性判别分析（LDA）：从理论到实践

最新发布

鑫宝的博客

07-12

2304

线性判别分析（Linear Discriminant Analysis, LDA）是一种广泛应用于模式识别和机器学习领域的经典统计技术，主要用于特征提取和分类。与主成分分析（PCA）等降维方法不同，LDA侧重于最大化类间差异，同时最小化类内差异，使其在监督学习场景下尤为有效。本文将深入探讨LDA的理论基础、算法流程、以及在现实世界中的应用案例。

线性判别分析LDA的python实现

Mr.horse的博客

09-20

312

class sklearn.discriminant_analysis.LinearDiscriminantAnalysis(*, solver='svd', shrinkage=None, priors=None, n_components=None, store_covariance=False, tol=0.0001) https://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDis.

使用python实现LDA线性判别分析

qq_51544319的博客

04-02

3916

LDA（Linear Discriminant Analysis）线性判别分析是一种监督学习的线性分类算法，它可以将一个样本映射到一条直线上，从而实现对样本的分类。LDA的目标是找到一个投影轴，使得经过投影后的两类样本之间的距离最大，而同一类样本之间的距离最小。LDA的过程可以分为以下几步：1.计算每个类别的均值向量。2.计算类内散度矩阵（Within-class scatter matrix）。类内散度矩阵是各类别中所有样本与各自均值向量之差的协方差矩阵之和。

27 机器学习入门篇2 10-案例：Python实现线性判别分析

m0_48941160的博客

05-17

212

1-实现线性判别分析进行降维任务 2-求解得出降维结果已看完::::::::::::

西瓜书《机器学习》---第三章线性模型python代码实现

03-08

【对应博客内本章内容】 3.3 编程实现对率回归，并给出西瓜数据集3.0α上的结果 3.4 选择两个 UCI 数据集，比较 10 折交叉验证法和留一法所估计出的对...3.5 编辑实现线性判别分析，并给出西瓜数据集 3.0α 上的结果.

机器学习–Fisher线性判别

12-20

Fisher线性判别，又称为Fisher判别法或线性判别分析（LDA），是机器学习领域中一种经典的数据分类方法。它源于R.A. Fisher在1936年的研究工作，旨在通过线性变换将高维数据投影到低维空间，以便更好地进行类别区分。...

LDA.zip_lda_机器学习 LDA判别_线性判别分析_西瓜python_西瓜数据集

09-21

线性判别分析（LDA，Linear Discriminant Analysis）是一种广泛应用的数据分析方法，常用于特征降维和分类问题。在机器学习领域，LDA通过寻找最优的线性组合，使得类间距离最大化，类内距离最小化，从而提高不同类别...

linear-discriminant-analysis-python:在python中进行线性判别分析

05-02

线性判别分析Python 在python中进行线性判别分析

python实现高斯判别分析算法的例子

12-23

高斯判别分析算法（Gaussian discriminat analysis）高斯判别算法是一个典型的生成学习算法（关于生成学习算法可以参考我的另外一篇博客）。在这个算法中，我们假设p(x|y)p(x|y)服从多元正态分布。注：在判别学习算法中，我们假设p(y|x)p(y|x)服从一维正态分布，这个很好类比，因为在模型中输入数据XX通常是拥有很多维度的，所以对于XX的条件概率建模时要取多维正态分布。多元正态分布多元正态分布也叫多元高斯分布，这个分布的两个参数分别是平均向量μ∈Rnμ∈Rn和一个协方差矩阵∑∈Rn×n∑∈Rn×n 关于协方差矩阵的定义；假设XX是由nn个标量随机变量组成的

判别分析（距离判别贝叶斯判别）

08-12

在判别分析中，至少有一个已经明确知道类别的“训练样本”，利用这个数据，就可以建立判别准则，并通过预测变量来为未知类别的观测值进行判别了。所谓Fisher判别法，就是一种先投影的方法。考虑只有两个（预测）变量的判别分析问题。假定这里只有两类。数据中的每个观测值是二维空间的一个点。见图（下一张幻灯片）。这里只有两种已知类型的训练样本。其中一类有38个点（用“o”表示），另一类有44个点（用“*”表示）。按照原来的变量（横坐标和纵坐标），很难将这两种点分开。于是就寻找一个方向，也就是图上的虚线方向，沿着这个方向朝和这个虚线垂直的一条直线进行投影会使得这两类分得最清楚。可以看出，如果向其他方向投影，判别效果不会比这个好。有了投影之后，再用前面讲到的距离远近的方法来得到判别准则。这种首先进行投影的判别方法就是Fisher判别法。

Python实现线性判别分析(LDA)的MATLAB方式

09-18

今天小编大家分享一篇Python实现线性判别分析(LDA)的MATLAB方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

『迷你教程』使用Python进行LDA线性判别分析