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
伴野星辰2 小时前
如何提高YOLO8目标检测的准确性?
人工智能·目标检测·机器学习
追风哥哥6 小时前
transformer 注意力机制解析
人工智能·深度学习·神经网络·机器学习·语言模型·chatgpt·transformer
博士僧小星7 小时前
人工智能|大模型——模型——大模型蒸馏详解(定义/原理/关键技术/落地)
人工智能·深度学习·机器学习·知识蒸馏·模型蒸馏
幻想趾于现实8 小时前
CogPMAlignMultiTool 工具 脚本实写硬币及载具案例
机器学习·cognex
庄周迷蝴蝶8 小时前
Extended Kalman Filter
线性代数·机器学习·概率论
大江东去浪淘尽千古风流人物8 小时前
【Basalt】Basalt void SqrtKeypointVioEstimator<Scalar_>::optimize() VIO优化流程
数据库·人工智能·python·机器学习·oracle
轮到我狗叫了8 小时前
Few-shot Novel Category Discovery-少样本新类发现
人工智能·机器学习·支持向量机
量化炼金 (CodeAlchemy)8 小时前
【交易策略】基于随机森林的市场结构预测:机器学习在量化交易中的实战应用
算法·随机森林·机器学习
xu_wenming8 小时前
ESP32 运行TinyML模型准确性影响因素
人工智能·深度学习·机器学习
DeepModel9 小时前
机器学习非线性降维:Isomap 等距映射
人工智能·机器学习