lda2

Linear Discriminant Analysis (LDA) – #2

Linear Discriminant Analysis LDA, sayısallaştırılmamış modellerde boyutu azaltmak, hesaplama verimliliğini artırmak ve overfitting’i azaltmak için kullanılabilir. LDA,  PCA‘ya çok benzer.  PCA, bir veri kümesindeki maksimum varyansın ortogonal bileşen ekseni bulmaya çalışırken; LDA, sınıf ayrılabilirliğini en iyi duruma getiren özellik alt uzayını bulmaktır. LDA ve PCA, bir veri kümesindeki boyut sayısını azaltmak için kullanılabilecek doğrusal dönüşüm teknikleridir.

Aşağıdaki şekilde, 2 sınıflı bir problem için LDA kavramı özetlenmektedir. Sınıf 1’den gelen örnekler kesitsel olarak gösterilmiş ve sınıf 2’den alınan örnekler sırasıyla daire şeklinde gösterilmiştir.

lda

 

LDA’da , verilerin normal olarak dağıtıldığı varsayılır. Ayrıca, sınıfların aynı kovaryans matrislerine sahip olduğunu ve özelliklerin istatistiksel olarak birbirinden bağımsız olduğunu varsayılır.

 

Kaynaklar:

1 – Python Machine Learning, Sebastian Rachka, Ch.5, P.164

 

Linear Discriminant Analysis (LDA) - #2
Linear Discriminant Analysis (LDA) - #2
Linear Discriminant Analysis (LDA), sayısallaştırılmamış modellerde boyutu azaltmak, hesaplama verimliliğini artırmak ve overfitting'i azaltmak için kulla..

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir