亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

機器學習-核Fisher LDA算法

系統 2638 0

? 本文在我的上一篇博文 機器學習-特征選擇(降維) 線性判別式分析(LDA) ?的基礎上進一步介紹核Fisher LDA算法。

? 之前我們介紹的LDA或者Fisher LDA都是線性模型,該模型簡單,對噪音的魯棒性較好,不容易過擬合,但是,簡單模型的表達能力會弱一些,為了增加LDA算法的表達能力,我們可以將數據投影到非線性的方向上去。為了達到這個目的,我們可以先將數據非線性的投影到一個特征空間F內,然后在這個F空間內計算Fisher 線性判別式,達到降維的目的。

? 首先介紹一下核函數的概念:

? 如果F空間的維數非常高甚至是無窮維數,那么單純的只是將原數據投影到F空間就是一個很大的計算量。但是,我們可以并不顯式的進行數據的投影,而只是計算原數據的點乘:(Φ?(x)·Φ?(y)).如果我們可以快速高效的計算出點乘來,那么我們可以無須將原數據投影到F空間就解決問題(關于這一點,Andrew Ng的講義中舉過一些例子,詳見附錄1)。我們使用Mercer核:k(x,y)=(Φ?(x)·Φ?(y)),可以選擇高斯徑向基函數核(Gaussian RBF):k(x,y)=exp(-|x-y| 2 /c),或者多項式核:k(x,y)=(x·y) d ,或者S形核:tanh(kx·y-δ),其中c,d和δ都是正的常數。

? 我們用Φ表示一個投影到F特征空間的映射函數,為了得到F空間內的Fisher線性判別式,我們需要最大化:?

? ?? ? ? 式子-1

? 其中ω ∈F空間,而S B Φ 和S W Φ 分別為:

?? 機器學習-核Fisher LDA算法_第1張圖片

? 我們需要將式子-1轉換成一個只含有點乘的形式,這樣的話我們就可以只使用核函數來表達式子-1了。

? 我們知道,任意F空間內的解ω都可以由投影到F空間內的原數據組合得到:

? ?? ? 式子-2

? 根據式子-2,以及m i Φ 的定義,我們能夠得到:

? ?? ? ? 式子-3

? 其中:

? 根據式子-3和S B Φ 的定義,式子-1中的分子可以寫為:

?? ? ? 式子-4

? 其中 .

? 根據式子-2和m i Φ 的定義,式子-1中的分母可以寫為:

?? ? ? 式子-5

? 其中 ,K j 是一個l*l j 的矩陣: ,I是單位矩陣,l lj 是所有項都是1/l j 的矩陣。

? 由式子-4和式子-5可以得到,我們只需要最大化

?? ? 式子-6?

? 與Fisher LDA一樣,最大化式子-6的解為N -1 M矩陣的最大的特征值對應的特征向量。

? 原數據在ω的投影為:

??

? 附錄1 . Andrew Ng關于核函數可能比先將數據投影到F空間,然后再點乘計算復雜度更小的例子:

? 我們考慮核函數K(x,z)=(x T z) 2

? 其中x和z都是N維向量,如果直接計算上式(核函數),則計算復雜度為O(N),亦即和數據的維數是線性的關系。

? 接下來看一下首先將數據投影到新空間,然后計算K(x,z)的過程和計算復雜度,首先重新表達K(x,z):

?? 機器學習-核Fisher LDA算法_第2張圖片

? 然后 將數據x和z利用Φ(·)投影到新空間,亦即:

?? 機器學習-核Fisher LDA算法_第3張圖片

? 最后計算K(x,z)= ??Φ(x)*Φ(z)。我們可以看到,計算Φ(·)的復雜度為O(N 2 ).

? 所以,在有些情況下,K(x,z)本身可能比較容易計算,而Φ(·)的計算量反而可能會更大。

? 參考文獻

?? [1]? Fisher Discriminant Analysis with Kernals . Sebastian Mika, Gunnar Ratsch, Jason Weston, Bernhadr Scholkopf, Klaus-Robert Muller.

? [2]? Fisher Linear Discriminant Analysis . Max Welling.

? [3] CS229 Lecture notes, Part 5, Support Vector Machine . Andrew Ng.

??

機器學習-核Fisher LDA算法


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!??!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 久久精品中文字幕一区 | 狠狠久久综合伊人不卡 | 一级毛片看真人在线视频 | 性夜影院爽黄a爽免费看网站 | 天天拍拍夜夜出水 | 久久久伊人影院 | 伊人插插| 黄色网在线 | 亚洲视频三级 | 亚洲欧美日韩精品久久久 | 国产成人精品亚洲 | 香蕉视频伊人 | 国产精品久久久一区二区三区 | 欧美毛片性视频区 | 欧美一级毛片欧美一级 | 国产一区二区三区四区在线观看 | 欧美做爰xxxⅹ在线视频hd | 中文字幕亚洲一区 | 99久久99久久 | 爱爱免费 | 欧美亚洲图片 | 婷婷国产天堂久久综合五月 | 一区二区福利视频 | 日韩精品免费一区二区三区 | 久热精品香蕉在线视频 | 国内久久久久影院精品 | 国产网红自拍 | 精品国产区一区二区三区在线观看 | 国产成人mv在线观看入口视频 | 欧美综合影院 | 日本一级淫一片免费 | 苗族一级特黄a大片 | 四虎影视免费永久在线观看黄 | 日韩在线一区二区三区 | 四虎黄色网址 | 亚洲精品香蕉一区二区在线观看 | 亚洲国产图片 | 一区二区三区久久精品 | 免费一级欧美毛片 | 久久亚洲精品中文字幕 | 99免费观看 |