什么是LDA分类的简单解释

我发现很难理解线性判别分析(LDA)的过程,我想知道是否有人可以用简单的一步一步的过程用英语解释它。 我了解LDA与主成分分析(PCA)密切相关。 但我不知道它是如何给出所有的概率与炉排精度。 训练数据如何与实际数据集相关联。 我提到了几个文件,我不明白。 它使得更混乱和复杂。


PCA(主成分分析)不受监督,或者相同,它不使用类别标签信息。 因此,歧视性信息不一定保留。

  • 最大限度地减少投影错误。
  • 最大化投影点的方差。

    示例:减少脸部特征的数量(人脸检测)。

  • LDA(线性判别分析):考虑到类标签的PCA,因此它是受监督的。

  • 最大化课堂之间的距离。
  • 尽量减少班级内的距离。

    示例:将脸部分为男性和女性群体(脸部识别)。

  • LDA与PCA

    随着regar一步一步的过程,你可以很容易地在谷歌找到一个实施。

    关于分类:

  • 将项目输入x输入到PCA子空间U中,并计算其投影a
  • 将a投射到LDA子空间V中
  • 找到离中心最近的班级
  • 简而言之,请输入输入x,然后检查哪个集群中心更靠近。

    来自K. Etemad,R. Chellapa的图像,识别人脸的判别分析。 J. Opt。 SOC。 上午。 A,卷。 14,第8号,1997年8月

    链接地址: http://www.djcxy.com/p/40163.html

    上一篇: A simple explanation of what is LDA Classification

    下一篇: A simple explanation of Random Forest