机器学习&sklearn笔记：LDA（线性判别分析）

1 介绍

1. 有监督的降维

2. 投影 后类内方差最小，类间方差最大

 

 2 推导

• 我们记最佳的投影向量为w，那么一个样例x到方向向量w上的投影可以表示为：
  • 
• 给定数据集
  • 令分别表示第i类的样本个数、样本集合、均值向量和协方差矩阵
  • 
    • ——>在投影上的均值是
  • '
    • ——>在投影上的协方差是
• 我们希望两个类尽可能地远，类内部尽可能地近
  • ——>在投影上两个类的均值差距越大越好
    •  越大越好
    • 记类间散度矩阵 （between）
    • 则
  • ——>在投影上同一类的均值接近

     

    • 越小越好
    • 记类内散度矩阵(within)
    • 
  • 将J1(w)和J2(w)的要求合并在一块，有：越大越好
    • 
    • 上式又称为Sb和Sw的广义瑞利商

3 确定w

• w是一个向量，我们只需要知道它的方向即可。向量的模任何大小是都可以的【(a,b)和(ka,kb)都是合理的向量】
• 所以我们一定可以找到一个w，使得
• 于是我们的目标函数变成 
  • 使用拉格朗日乘子法，有：
  • 
    •  是一个标量，所以的方向和的方向相同/相反
    • 我们记
    • 于是
    • 所以
    • 对于w，其向量长度可以任意，只要知道他的方向即可，所以我们把前面的λ1/λ去掉，于是有：
  • 
  • 也就是说，通过原始样本两个类的均值和方差，就可以确定最佳的投影方位

   

4 sklearn

import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
y = np.array([1, 1, 1, 2, 2, 2])

clf = LinearDiscriminantAnalysis()
#n_components是一个参数，设置降维至多少
#如果这个参数没有设置，那么就默认是min(n_classes-1,n_features)

clf.fit(X, y)

参考内容：LDA线性判别分析 - 知乎 (zhihu.com)