线性判别分析的多分类情况

线性判别分析的多分类情况

情况一

若存在超平面 d i ( x ) = w i x d_i(x)=w_ix di(x)=wix可以将属于 w i w_i wi与不属于 w i w_i wi范围的划开
d i ( x ) = w i T x = { > 0 , i f x ∈ w i < 0 , i f x ∉ w i (1) d_i(x)=w_i^Tx= \begin{cases}> 0 ,\quad if \ x \in w_i\\ < 0, \quad if \ x \notin w_i \end{cases} \tag{1} di(x)=wiTx={>0,if x∈wi<0,if x∈/wi(1)

即通过一个判别函数把整个空间划分成一个 w i w_i wi与不属于 w i w_i wi的范围。就可以将一个M分类问题转化为M个多分类问题。

但是当存在多个 d i ( x ) > 0 d_i(x)>0 di(x)>0的区域或者全部的 d i ( x ) < 0 d_i(x)<0 di(x)<0时,则分类失败,此类空间被称为不确定区域。

情况二

若存在超平面 d i j ( x ) = w i j x d_{ij}(x)=w_{ij}x dij(x)=wijx可以将属于 w i w_i wi与属于 w j w_j wj的范围划开
d i j ( x ) = w i j x = { > 0 , x ∈ w i < 0 , x ∈ w j ∀ i ≠ j d_{ij}(x)=w_{ij}x= \begin{cases}>0 \quad,\quad x\in w_i\\ <0 \quad,\quad x\in w_j \end{cases} \quad \forall i \not=j dij(x)=wijx={>0,x∈wi<0,x∈wj∀i=j

其中满足 d i j ( x ) = − d j i ( x ) d_{ij}(x)=-d_{ji}(x) dij(x)=−dji(x)。

则可以将一个M分类问题转化为 n ( n − 1 ) 2 \frac{n(n-1)}{2} 2n(n−1)个二分类问题。

对所有的 d i j ( x ) d_{ij}(x) dij(x)而言,若 ∀ i ≠ j d i j > 0 \forall i \not=j d_{ij}>0 ∀i=jdij>0,则被称为不确定区域。

情况三

对于没有不确定区域的情况二,

可以将情况二分解为
d i j = d i ( x ) − d j ( x ) = ( w i − w j ) T x d k ( x ) = w k T x , k = 1 , 2 , 3 , . . . , M d_{ij}=d_i(x)-d_j(x)=(w_i-w_j)^Tx\\ d_k(x)=w_k^Tx\quad,\quad k=1,2,3,...,M dij=di(x)−dj(x)=(wi−wj)Txdk(x)=wkTx,k=1,2,3,...,M

若 ∀ i ≠ j , d i ( x ) > d j ( x ) \forall i \not=j,d_i(x)>d_j(x) ∀i=j,di(x)>dj(x),则 x ∈ w i x\in w_i x∈wi。

若 d k ( x ) = m a x { d k ( x ) , k = 1 , 2 , 3 , . . . M } d_k(x)=max\{d_k(x),k=1,2,3,...M\} dk(x)=max{dk(x),k=1,2,3,...M},则 x ∈ w i x \in w_i x∈wi。

即可以把一个M分类问题转化为M-1个多分类问题。

相关推荐
STLearner16 小时前
ICML 2026 | LLM×Graph论文总结[1]【图基础模型,文本属性图,多模态属性图,图对齐,图提示学习,关系深度学习
论文阅读·人工智能·python·深度学习·学习·机器学习·数据挖掘
Young Doro18 小时前
SAC 算法
线性代数·算法·机器学习
_Meilinger_1 天前
碎片笔记|分类问题与回归问题的关系
深度学习·机器学习·监督学习·损失函数·回归问题·分类问题·条件概率
学究天人1 天前
数学公理体系大全:第七章 连续统假设与力迫法简介
人工智能·算法·机器学习·数学建模·动态规划·图论·抽象代数
我不是QI1 天前
周志华《机器学习—西瓜书》九
人工智能·机器学习·支持向量机
2zcode1 天前
项目文档:基于语音信号分析与机器学习的帕金森病智能检测系统
人工智能·机器学习·帕金森病
学究天人1 天前
数学公理体系大全:第五章 序数与基数理论:超限算术与集合的大小
人工智能·线性代数·算法·机器学习·数学建模·原型模式
qq_355357021 天前
SKC智能知识管理系统-设计分享 之 知识聚类图谱
机器学习·数据挖掘·聚类
学究天人1 天前
数学公理体系大全:第六章 选择公理的等价形式及证明
人工智能·线性代数·算法·机器学习·数学建模·概率论·原型模式
STLearner1 天前
ICML 2026 | 时间序列(Time Series)论文总结(3)【因果,可解释性,不规则时序,表示学习,benchmar
大数据·论文阅读·人工智能·深度学习·神经网络·机器学习