知识卡片
LDA六步流程与假设
LDA步骤:标准化→每类算d维均值向量→构造类间散布矩阵S_B与类内散布矩阵S_W→求广义特征值与特征向量→选前k个构造d×k映射矩阵W→映射到新子空间。沿最能区分类别的方向(LD1)线性判定可分,而仅保持大方差的方向(LD2)对分类无用,这正体现LDA与PCA取向不同。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 通过降维压缩数据 · 查看原书依据
虽然沿y轴(LD2)方向的线性判定保持了数据集的较大方差,但是沿此方向无法提供关于类别区分的任何信息
参考来源
- 位置:《Python机器学习》第5章《5.2 通过线性判别分析压缩无监督数据》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/我们不对协方差矩阵做特征分解,而是求解矩阵 的广义特征值`)
- 结论依据:原文直接支撑上述要点。
- 原始内容:虽然沿y轴(LD2)方向的线性判定保持了数据集的较大方差,但是沿此方向无法提供关于类别区分的任何信息