LDA与最小二乘法的关系及其变种详解
2014-10-09 21:33
405 查看
1 LDA与最小二乘法的关联
对于二值分类问题,令人惊奇的是最小二乘法和LDA分析是一致的。回顾之前的线性回归,给定N个d维特征的训练样例![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/0e1b3d7b79adcc4256d0b6d7a8c209d2.png)
(i从1到N),每个
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/ff7a93e38ef1f0592142a6bdafb20dc5.png)
对应一个类标签
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/e169b37c3baae6d35fc6e1475535dc48.png)
。我们之前令y=0表示一类,y=1表示另一类,现在我们为了证明最小二乘法和LDA的关系,改变训练目标:
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/7ca2b9878ea4f0d182169db9df779cb3.png)
就是将训练目标0/1做了值替换。我们列出最小二乘法代价函数:
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/de4b7a10113a711bcd3dc8039faae4b8.png)
w和
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/388ed781da54e8ec998dfd76845b7bee.png)
是拟合权重参数。分别对
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/5af47cc801e592fd915916b9a37553f4.png)
和w求导得:
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/edfc6a56201b89e4b9f7f9bd77e4e682.png)
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/6ebf4d0a7aea96e8fb48ad214793a156.png)
从第一个式子展开可以得到:
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/580a7c838795003876df22f8e331e470.png)
消元后,得
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/936d4f2f4d5ce1dc6d253970393a9631.png)
。又因为:
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/502238b9ea8f2bdc0c90f2bec3476092.png)
化简第二个求导式子展开后和下面的公式等价:
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/567787e5ec9a6e957402bcae9b4022a6.png)
其中
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/be4865d1a5c6d33d8c5572273dcc12f3.png)
和
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/c7d74a07ce7637b58a24c87c59425591.png)
是二值分类中类内离散矩阵和类间离散矩阵。由于
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/ce76c23dbba22288daa0fadffdde31f1.png)
因此,最后结果仍然是:
![](https://oscdn.geek-share.com/Uploads/Images/Content/202003/29/45da318b0f00c925e67ab9f9bc24dade.png)
这个过程从几何意义上去理解也就是变形后的线性回归(将类标签重新定义),线性回归后的直线方向就是二值分类中LDA求得的直线方向w。
2.LDA的变种详解
相关文章推荐
- LDA与最小二乘法的关系及其变种详解
- Base64编码详解及其变种(解决加号在URL变空格问题)
- 拟牛顿法——变种及其相互关系
- Base64编码详解及其变种(解决加号在URL变空格问题)
- SSE 加速运算例子详解:乘法、加法、平方、最小值、最大值、与操作
- 详解PV、UV、VV、IP及其关系与计算
- [详解机器学习篇]详解回归基础方法之最小二乘法曲线拟合
- Base64编码详解及其变种(解决加号在URL变空格问题)
- Handler的实现原理及其与Message、MessageQueue关系详解
- iOS-UINavigationController、bar、baritem 区别及其关系详解
- 面试题09_斐波那契数列及其变种详解——剑指offer系列
- 详解PV、UV、VV、IP及其关系与计算
- 拟牛顿法——变种及其相互关系
- 详解PV、UV、VV、IP及其关系与计算
- linux 软件包 libqt4-opengl-dev 依赖关系详解,及其安装
- 如何手工注册MSComm控件及其串口编程详解
- VC++常用数据类型及其操作详解[徐兆元]
- 依赖关系详解
- Linux 系统命令及其使用详解(大全)
- VC++常用数据类型及其操作详解