创建判别分析模型- MATLAB和Simulink MathWorks法国金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

创建判别分析模型

判别分析的模型是:

每个类(Y)生成数据(X使用多元正态分布)。换句话说,模型假设X有一个高斯混合分布(gmdistribution)。
- 线性判别分析,该模型为每个类有相同的协方差矩阵;唯一的手段不同。
- 对于二次判别分析,两种均值和方差的每个类有所不同。

在这个模型的假设下,fitcdiscr推断每个类的均值和协方差参数。

线性判别分析,计算每个类的样本均值。然后计算样本协方差先减去每个类的样本均值观测的类,并采取实证结果的协方差矩阵。
对于二次判别分析,计算每个类的样本均值。然后先减去计算样本协方差的样本均值观测的类,每个类,每个类的经验协方差矩阵。

的适合方法不使用先验概率或配件的成本。

加权观测

fitcdiscr构造加权分类器使用以下方案。假设米是一个N——- - - - - -K类成员矩阵:

米_nk= 1如果观察n从类k
米_nk= 0。

类的估计意味着数据是无关紧要的

${\hat{μ}}_{k} = \frac{\sum_{n = 1}^{N} 米_{n k} x_{n}}{\sum_{n = 1}^{N} 米_{n k}} 。$

用积极的权重加权数据w_n,自然推广

${\hat{μ}}_{k} = \frac{\sum_{n = 1}^{N} 米_{n k} w_{n} x_{n}}{\sum_{n = 1}^{N} 米_{n k} w_{n}} 。$

集中在无偏估计的协方差矩阵为无关紧要的数据

$\hat{Σ} = \frac{\sum_{n = 1}^{N} \sum_{k = 1}^{K} 米_{n k} (x_{n} - {\hat{μ}}_{k}) {(x_{n} - {\hat{μ}}_{k})}^{T}}{N - K} 。$

对于二次判别分析,fitcdiscr使用K= 1。

对于加权数据,假设权重之和为1,汇集成的无偏估计协方差矩阵

$\hat{Σ} = \frac{\sum_{n = 1}^{N} \sum_{k = 1}^{K} 米_{n k} w_{n} (x_{n} - {\hat{μ}}_{k}) {(x_{n} - {\hat{μ}}_{k})}^{T}}{1 - \sum_{k = 1}^{K} \frac{W_{k}^{(2)}}{W_{k}}},$

在哪里

$W_{k} = \sum_{n = 1}^{N} 米_{n k} w_{n}$ 类权重的总和吗k。
$W_{k}^{(2)} = \sum_{n = 1}^{N} 米_{n k} w_{n}^{2}$ 每个类是平方重量的总和。

创建判别分析模型

加权观测

另请参阅

功能

对象

相关的话题