Fisher线性判别(*)
2014-11-03 16:00
239 查看
对原文中部分公式中的“错误”(可能是图片不清楚,或者是我自己搞错了,我是按照老师教授的版本为准)做了修改,并在最后做了适当补充。
原文地址:http://blog.csdn.net/carson2005/article/details/6699939,仅供个人和新手学习之用,中间图片部分即作者原文,头和尾的文字部分即本人后来补充的部分。若有错误,希望指正。
修正1:在定义的几个“基本变量”这一部分中,第一个
“各类样本的均值向量mi”
下面图中公式当中的1/N中的N应该加上下标i,容易理解,某类样本的均值向量应该在其该类数量的基础上计算平均,而不应该是所有类样本的总量。
修正2:在”一维Y空间“部分中的”各类样本均值“中的第一个公式的问题同上。
说明1:下图文中的求和符号下方的X和Y都是带有i下标的(图片不是很清楚),即分类别的。
补充:请看最后。
补充:上面已经讲到,求出向量w*,就可以实现将每一个已知类别样本或者待测样本的映射成 一维的y值,即y=w*x
然后对于待测样本x,比较其求得的y值和阈值y0的大小,就可以做出决策。
y0如何确定?
(1)当维数d和样本数N都很大时,可采用贝叶斯决策规则,从而获得一种在一维空间的“最优”分类器。
(2)如果上述条件不满足,也可利用先验知识选定分界阈值点 ,如以下几种选择方法:
式中P(w1)和P(w2)分别为w1类和w2类样本的先验概率。
这样对于任意给定的未知样本x,只要计算它的投影点y,
再根据决策规则
就可判定x属于什么类别。
(对于y0的确定和最终x类别的决策,在网上我发现了另外一套方法,公司类似,但不相同,因此此处也有待商榷,需研究两种方法是否等价或者孰优孰劣)
原文地址:http://blog.csdn.net/carson2005/article/details/6699939,仅供个人和新手学习之用,中间图片部分即作者原文,头和尾的文字部分即本人后来补充的部分。若有错误,希望指正。
修正1:在定义的几个“基本变量”这一部分中,第一个
“各类样本的均值向量mi”
下面图中公式当中的1/N中的N应该加上下标i,容易理解,某类样本的均值向量应该在其该类数量的基础上计算平均,而不应该是所有类样本的总量。
修正2:在”一维Y空间“部分中的”各类样本均值“中的第一个公式的问题同上。
说明1:下图文中的求和符号下方的X和Y都是带有i下标的(图片不是很清楚),即分类别的。
补充:请看最后。
补充:上面已经讲到,求出向量w*,就可以实现将每一个已知类别样本或者待测样本的映射成 一维的y值,即y=w*x
然后对于待测样本x,比较其求得的y值和阈值y0的大小,就可以做出决策。
y0如何确定?
(1)当维数d和样本数N都很大时,可采用贝叶斯决策规则,从而获得一种在一维空间的“最优”分类器。
(2)如果上述条件不满足,也可利用先验知识选定分界阈值点 ,如以下几种选择方法:
式中P(w1)和P(w2)分别为w1类和w2类样本的先验概率。
这样对于任意给定的未知样本x,只要计算它的投影点y,
再根据决策规则
就可判定x属于什么类别。
(对于y0的确定和最终x类别的决策,在网上我发现了另外一套方法,公司类似,但不相同,因此此处也有待商榷,需研究两种方法是否等价或者孰优孰劣)
相关文章推荐
- 线性分类器之Fisher线性判别
- 线性判别分析(LDA)准则:FIsher准则、感知机准则、最小二乘(最小均方误差)准则
- 人脸识别经典算法实现(二)——Fisher线性判别分析
- Fisher线性判别分析(Linear Discriminant Analysis,LDA)
- fisher线性判别里的广义瑞丽商
- Fisher线性判别
- LDA 两类Fisher线性判别分析及python实现
- LDA(线性判别分析或称Fisher线性判别),PCA(主成份分析)代码及表情识别中的应用
- fisher线性判别里的广义瑞丽商
- Fisher线性判别
- 模式识别算法之1----Fisher线性判别
- LDA 线性判别分析/Fisher线性判别
- PRML读书会第四章 Linear Models for Classification(贝叶斯marginalization、Fisher线性判别、感知机、概率生成和判别模型、逻辑回归)
- LDA(线性判别分析或称Fisher线性判别),PCA(主成份分析)代码及表情识别中的应用
- LDA(线性判别分析或称Fisher线性判别),PCA(主成份分析)代码及表情识别中的应用
- 模式识别五--PCA主分量分析与Fisher线性判别
- Fisher线性判别
- fisher线性判别
- 机器学习总结(lecture 5)算法:Fisher线性判别分析LDA
- 基于Fisher线性判别分析的手写数字识别