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
2301_783360138 小时前
R语言机器学习系列|随机森林模型特征重要性排序的R语言实现
随机森林·机器学习·r语言
源码之家9 小时前
机器学习:基于python租房推荐系统 预测算法 协同过滤推荐算法 房源信息 可视化 机器学习-线性回归预测模型 Flask框架(源码+文档)✅
大数据·python·算法·机器学习·数据分析·线性回归·推荐算法
小狗照亮每一天13 小时前
【菜狗看背景】自动驾驶发展背景——20251117
人工智能·机器学习·自动驾驶
大白IT13 小时前
智能驾驶:从感知到规控的自动驾驶系统全解析
人工智能·机器学习·自动驾驶
数据与后端架构提升之路13 小时前
英伟达的 Alpamayo-R1:利用因果链推理赋能自动驾驶模型和数据工程剖析
人工智能·机器学习·自动驾驶
致Great14 小时前
RAG在医疗领域的批判性评估、推荐算法等最新研究进展
算法·机器学习·推荐算法
java1234_小锋15 小时前
[免费]基于python的Flask+Vue医疗疾病数据分析大屏可视化系统(机器学习随机森林算法+requests)【论文+源码+SQL脚本】
python·机器学习·数据分析·flask·疾病数据分析
权泽谦16 小时前
Java 在机器学习中的应用:基于 DL4J 与 Weka 的完整实战案例
java·机器学习·数据挖掘
江塘17 小时前
机器学习-决策树多种生成方法讲解及实战代码讲解(C++/Python实现)
c++·python·决策树·机器学习
木头左18 小时前
机器学习用于股票预测的策略
人工智能·机器学习