从零开始实现线性判别分析(LDA)算法(多类情形)
Posted 风雪夜归子
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了从零开始实现线性判别分析(LDA)算法(多类情形)相关的知识,希望对你有一定的参考价值。
声明:版权所有,转载请联系作者并注明出处:
http://blog.csdn.net/u013719780?viewmode=contents
知乎专栏:
https://www.zhihu.com/people/feng-xue-ye-gui-zi/columns
前文详细阐述了只有二类的情形,假设如果是多类情形,该怎么处理才能保证投影后的类别能够较好的分离呢?
我们之前讨论的是如何将
n
(特征个数)维降到一维,现在类别多了,一维也许已经不能做到投影后达到较好的分离效果。假设我们有
W=(w1,w2,…,wk),wi(i=1,2,…,k)是列向量,
则有
yi=wTix,y=WTx,
将
D
按照类别标签划分为
定义每个子集的中心:
若是多类别,相关符号与二类别类似(详见上篇文章),其中子集 Di 的均值(中心)为
μi=1ni∑x(i)∈Dix(i),(1)
总体样本均值:
Matlab基于线性判别法LDA实现多分类预测(Excel可直接替换数据)
Matlab基于线性判别法LDA实现多分类预测(Excel可直接替换数据)