码迷,mamicode.com
首页 > 编程语言 > 详细

LDA(线性判别分析)【python实现】

时间:2020-05-03 20:11:23      阅读:80      评论:0      收藏:0      [点我收藏+]

标签:print   image   cat   线性   lang   rand   tps   you   marker   

原理

求解最佳投影方向,使得同类投影点尽可能的进,异类投影点尽可能的远
同类投影点距离用同类样本协方差矩阵表示

\[\omega^T \Sigma_i \omega \quad {第i类样本协方差} \]

异类投影点距离

\[||\omega^T\mu_0 - \omega^T\mu_1||_2^2 \]

\(\mu_i \, {第i类样本均值}\)
优化函数

\[J(\omega) = \frac{||\omega^T\mu_0 - \omega^T \mu_1||_2^2}{\omega^T (\Sigma_0 - \Sigma_1) \omega} \]

求上述函数极大值,解出\(\omega\)

定义类间、类内散度矩阵

1.类间散度矩阵

\[S_w = \Sigma_0 + \Sigma_1 = \sum_{x \in X0}(x - \omega)(x - \omega)^T + \sum_{x \in X1}(x - \omega)(x - \omega)^T \]

2.类内散度矩阵

\[S_b = (\mu_0 - \mu_1)(\mu_0 - \mu_1)^T \]

\[J(\omega) = \frac{\omega^T S_b \omega}{\omega^T S_w \omega} \]

利用拉格朗日乘数法,可得

\[\omega = S_w^{-1}(\mu_0 - \mu_1) \]

python程序

import numpy as np 
import matplotlib.pyplot as plt 
M = 2 #属性个数
N = 50#二分类。每类样本N个
#随机生成两个属性的N个第一类样本
feature11 = np.random.randint(0, 7, size = N)
feature12 = np.random.randint(0, 7, size= N)
temp_X1 = np.row_stack((feature11, feature12))
X1 = np.mat(temp_X1)
#随机生成两个属性的N个第二类样本
feature21 = np.random.randint(5,11, size= N)
feature22 = np.random.randint(7, 14, size= N)
temp_X2 = np.row_stack((feature21, feature22))
X2 = np.mat(temp_X2)
#求投影向量omega
mu1 = np.mat(np.zeros((2,1)))
mu2 = np.mat(np.zeros((2,1)))
X_1t = np.array(X1)
X_2t = np.array(X2)
for i in range(M):
    mu1[i, 0] = sum([j for j in X_1t[i,:]])/N
for i in range(M):
    mu2[i, 0] = sum([j for j in X_2t[i,:]])/N
#print(mu1, mu2)
s_w1 = np.mat(np.zeros(M))
s_w2 = np.mat(np.zeros(M))
for i in range(N):
    s_w1 = s_w1 + (X1[:, i] - mu1)*(X1[:, i] - mu1).T 
for i in range(N):
    s_w2 = s_w2 + (X2[:, i] - mu2)*(X2[:, i] - mu2).T 
s_w = s_w1 + s_w2
Omega = np.linalg.pinv(s_w)*(mu1 - mu2)
#print(Omega)
#画出散点图、投影面
fig = plt.figure(1)
plt.scatter(feature11, feature12, marker=‘+‘)
plt.scatter(feature21, feature22, marker=‘*‘)
xx_1 = np.linspace(0,10,num=50)
yy_1 = Omega[1,0]/Omega[0,0]*xx_1
plt.plot(xx_1,yy_1,color=‘r‘)
plt.show()

效果

技术图片

参考资料

《机器学习》    周志华老师

LDA(线性判别分析)【python实现】

标签:print   image   cat   线性   lang   rand   tps   you   marker   

原文地址:https://www.cnblogs.com/liudianfengmang/p/12822990.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!