知识卡片
判别投影考虑类内散度
二分类线性判别分析沿一个方向投影,希望两类均值分开,同时每类投影尽量集中。方向缩放会同倍改变两个平方量,可加归一化约束求最优方向。类内散度矩阵可逆时,方向平行于其逆乘两类均值差。高方差方向被抑制,类内散度奇异时逆式需要额外处理。
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
- · 第3章 线性模型
原书出处 · 1 处
- 第3章 线性模型 · 查看原书依据
式(3.32)
参考来源
- 位置:《机器学习公式详解》第3章 线性模型(book-source:`extracted/机器学习公式详解/_epub-src/text/part0009.html`,式(3.32))
- 结论依据:式(3.32)及(3.37)至(3.39)把均值间隔与类内投影散度写成广义特征问题。
- 原始内容:式(3.32)
- 原式图像替代文本:`J=\dfrac{\boldsymbol w^{\mathrm{T}}(\boldsymbol{\mu}_{0}-\boldsymbol{\mu}_{1})(\boldsymbol{\mu}_{0}-\boldsymbol{\mu}_{1})^{\mathrm{T}}\boldsymbol w} {\boldsymbol w^{\mathrm{T}}(\boldsymbol{\boldsymbol\varSigma}_{0}+\boldsymbol{\boldsymbol\varSigma}_{1})\boldsymbol w}`