Linear Discriminant Analysis (LDA) adalah metode pengurangan dimensi dan klasifikasi. Ia menemukan subruang dimensi rendah dengan pemisahan kelas terkuat dan menggunakannya untuk melakukan klasifikasi. Gunakan tag ini untuk DA kuadrat (QDA) juga.
Saya mencoba untuk membungkus kepala saya di sekitar perbedaan statistik antara analisis diskriminan Linear dan regresi Logistik . Apakah pemahaman saya benar bahwa, untuk masalah klasifikasi dua kelas , LDA memprediksi dua fungsi kepadatan normal (satu untuk setiap kelas) yang menciptakan batas...
Adakah yang bisa menjelaskan perbedaan dan memberikan contoh spesifik bagaimana menggunakan ketiga analisis ini? LDA - Analisis Diskriminan Linier FDA - Analisis Diskriminan Fisher QDA - Analisis Diskriminan Kuadratik Saya mencari di mana-mana, tetapi tidak dapat menemukan contoh nyata dengan...
Saya menggunakan Linear Discriminant Analysis (LDA) dari scikit-learnperpustakaan pembelajaran mesin (Python) untuk pengurangan dimensi dan sedikit ingin tahu tentang hasilnya. Sekarang saya bertanya-tanya apa yang dilakukan LDA scikit-learnsehingga hasilnya terlihat berbeda dari, misalnya,...
Bagaimana PCA, LDA, CCA, dan PLS terkait? Mereka semua tampak "spektral" dan aljabar linier dan sangat dipahami (katakanlah 50+ tahun teori dibangun di sekitar mereka). Mereka digunakan untuk hal-hal yang sangat berbeda (PCA untuk pengurangan dimensi, LDA untuk klasifikasi, PLS untuk regresi)...
Asumsikan saya memiliki dataset untuk tugas klasifikasi statistik terawasi, misalnya, melalui pengklasifikasi Bayes. Dataset ini terdiri dari 20 fitur dan saya ingin meringkasnya menjadi 2 fitur melalui teknik pengurangan dimensionalitas seperti Principal Component Analysis (PCA) dan / atau Linear...
Apakah ada hubungan antara regresi dan analisis diskriminan linier (LDA)? Apa persamaan dan perbedaan mereka? Apakah ada bedanya jika ada dua kelas atau lebih dari dua
Pada artikel ini , penulis menghubungkan analisis diskriminan linier (LDA) ke analisis komponen utama (PCA). Dengan pengetahuan saya yang terbatas, saya tidak bisa mengikuti bagaimana LDA bisa agak mirip dengan PCA. Saya selalu berpikir bahwa LDA adalah bentuk algoritma klasifikasi, mirip dengan...
Saya melihat plot LDA (analisis diskriminan linier) dengan batas keputusan dari The Elements of Statistics Learning : Saya mengerti bahwa data diproyeksikan ke ruang bagian dimensi yang lebih rendah. Namun, saya ingin tahu bagaimana kita mendapatkan batas keputusan dalam dimensi asli sehingga saya...
Ada kata-kata dari "Elemen Pembelajaran Statistik" di halaman 91: Centroid K dalam rentang ruang input p-dimensi paling banyak di subruang dimensi K-1, dan jika p jauh lebih besar dari K, ini akan menjadi penurunan dimensi yang cukup besar. Saya punya dua pertanyaan: Mengapa centroid K dalam...
Di beberapa tempat saya melihat klaim bahwa MANOVA seperti ANOVA plus linear diskriminant analysis (LDA), tetapi selalu dibuat dengan cara melambaikan tangan. Saya ingin tahu apa sebenarnya yang seharusnya berarti. Saya menemukan berbagai buku teks yang menjelaskan semua detail perhitungan MANOVA,...
Saya melatih multi-class LDA classifier dengan 8 kelas data. Saat melakukan pelatihan, saya mendapat peringatan: " Variabel collinear " Saya mendapatkan akurasi pelatihan lebih dari 90% . Saya menggunakan perpustakaan scikits-learn di Python do train dan menguji data multi-kelas. Saya...
Saya menemukan beberapa pro analisis diskriminan dan saya punya pertanyaan tentang mereka. Begitu: Ketika kelas dipisahkan dengan baik, estimasi parameter untuk regresi logistik secara mengejutkan tidak stabil. Koefisien bisa menuju tak terhingga. LDA tidak menderita masalah ini. Jika jumlah...
Dalam R, saya menggunakan ldafungsi dari perpustakaan MASSuntuk melakukan klasifikasi. Seperti yang saya mengerti LDA, input xxx akan diberi label yyy , yang memaksimalkan p(y|x)p(y|x)p(y|x) , kan? Tapi ketika saya cocok dengan model, di mana
Dalam analisis diskriminan, variabel dependen adalah kategorikal, tetapi dapatkah saya menggunakan variabel kategorikal (misalnya status perumahan: pedesaan, perkotaan) bersama dengan beberapa variabel kontinu lainnya sebagai variabel independen dalam analisis diskriminan
Saya mengutak-atik metode PCA dan LDA dan saya terjebak pada suatu titik, saya punya perasaan bahwa itu sangat sederhana sehingga saya tidak bisa melihatnya. Matriks sebar dalam kelas ( SWSWS_W ) dan antara kelas ( SBSBS_B ) didefinisikan
Model analisis diskriminan Gaussian mempelajari dan kemudian menerapkan aturan Bayes untuk mengevaluasi Karenanya, mereka adalah model generatif. Lalu mengapa disebut analisis diskriminan? Jika itu karena kami akhirnya mendapatkan kurva diskriminan antara kelas, maka itu terjadi untuk semua model...
Tampaknya, Analisis Fisher bertujuan memaksimalkan pemisahan antar kelas secara serentak, sekaligus meminimalkan dispersi di dalam kelas. Sebuah ukuran yang berguna dari kekuatan diskriminasi dari sebuah variabel maka diberikan oleh kuantitas diagonal: Bii/WiiBii/WiiB_{ii}/W_{ii}...
Saya sering digunakan untuk mendiagnosis data multivariat menggunakan PCA (data omics dengan ratusan ribu variabel dan puluhan atau ratusan sampel). Data sering berasal dari eksperimen dengan beberapa variabel bebas kategorikal yang mendefinisikan beberapa kelompok, dan saya sering harus melalui...
Saya memiliki satu set data yang terdiri dari sampel berlabel 15K (dari 10 grup). Saya ingin menerapkan pengurangan dimensi menjadi 2 dimensi, yang akan mempertimbangkan pengetahuan label. Ketika saya menggunakan teknik reduksi dimensionalitas tanpa pengawasan "standar" seperti PCA, plot sebar...
Apa hubungan antara analisis diskriminan Linear dan aturan Bayes? Saya mengerti bahwa LDA digunakan dalam klasifikasi dengan mencoba meminimalkan rasio dalam varians grup dan antara varians grup, tapi saya tidak tahu bagaimana aturan Bayes digunakan di