El análisis discriminante lineal (LDA) es un método de clasificación y reducción de dimensionalidad. Encuentra un subespacio de baja dimensión con la separación de clase más fuerte y lo utiliza para realizar la clasificación. Use esta etiqueta también para DA cuadrática (QDA).
Estoy tratando de entender la diferencia estadística entre el análisis discriminante lineal y la regresión logística . Tengo entendido que, para un problema de clasificación de dos clases , LDA predice dos funciones de densidad normal (una para cada clase) que crean un límite lineal donde se...
¿Alguien puede explicar las diferencias y dar ejemplos específicos de cómo utilizar estos tres análisis? LDA - Análisis discriminante lineal FDA - Análisis discriminante de Fisher QDA - Análisis discriminatorio cuadrático Busqué en todas partes, pero no pude encontrar ejemplos reales con...
Estaba utilizando el Análisis discriminante lineal (LDA) de la scikit-learnbiblioteca de aprendizaje automático (Python) para la reducción de la dimensionalidad y tenía un poco de curiosidad por los resultados. Ahora me pregunto qué scikit-learnestá haciendo la LDA para que los resultados se vean...
¿Cómo se relacionan PCA, LDA, CCA y PLS? Todos parecen "espectrales" y algebraicos lineales y muy bien entendidos (digamos más de 50 años de teoría construida alrededor de ellos). Se usan para cosas muy diferentes (PCA para la reducción de la dimensionalidad, LDA para la clasificación, PLS para la...
Suponga que tengo un conjunto de datos para una tarea de clasificación estadística supervisada, por ejemplo, a través de un clasificador de Bayes. Este conjunto de datos consta de 20 características y quiero reducirlo a 2 características mediante técnicas de reducción de dimensionalidad como el...
¿Existe una relación entre la regresión y el análisis discriminante lineal (LDA)? ¿Cuáles son sus similitudes y diferencias? ¿Hay alguna diferencia si hay dos clases o más de dos
En este artículo , el autor vincula el análisis discriminante lineal (LDA) con el análisis de componentes principales (PCA). Con mi conocimiento limitado, no puedo seguir cómo LDA puede ser algo similar a PCA. Siempre he pensado que LDA era una forma de algoritmo de clasificación, similar a la...
Vi una gráfica de LDA (análisis discriminante lineal) con límites de decisión de The Elements of Statistical Learning : Entiendo que los datos se proyectan en un subespacio de menor dimensión. Sin embargo, me gustaría saber cómo obtenemos los límites de decisión en la dimensión original de modo...
Hay palabras de "Los elementos del aprendizaje estadístico" en la página 91: Los centroides K en el espacio de entrada p-dimensional abarcan en la mayoría del subespacio dimensional K-1, y si p es mucho más grande que K, esto será una caída considerable en la dimensión. Tengo dos...
En varios lugares, vi una afirmación de que MANOVA es como ANOVA más análisis discriminante lineal (LDA), pero siempre se hizo de forma manual. Me gustaría saber qué se supone que significa exactamente . Encontré varios libros de texto que describen todos los detalles de los cálculos de MANOVA,...
En R, uso la ldafunción de la biblioteca MASSpara hacer la clasificación. Según entiendo LDA, a la entrada XXx se le asignará la etiqueta yyy , que maximiza p ( yEl | x)pag(yEl |X)p(y|x) , ¿verdad? Pero cuando me ajusto al modelo, en el que x = ( L a g1 , L a g2 )X=(Lunsol1,Lunsol2)x=(Lag1,Lag2)y=...
Estoy entrenando un clasificador LDA multiclase con 8 clases de datos. Mientras realizo el entrenamiento, recibo una advertencia de: " Las variables son colineales " Estoy obteniendo una precisión de entrenamiento de más del 90% . Estoy usando la biblioteca scikits-learn en Python do train y...
Encontré algunos pros del análisis discriminante y tengo preguntas sobre ellos. Entonces: Cuando las clases están bien separadas, las estimaciones de los parámetros para la regresión logística son sorprendentemente inestables. Los coeficientes pueden llegar al infinito. LDA no sufre de este...
En el análisis discriminante, la variable dependiente es categórica, pero ¿puedo usar una variable categórica (por ejemplo, estado residencial: rural, urbano) junto con alguna otra variable continua como variable independiente en el análisis discriminante
Estaba jugando con los métodos PCA y LDA y estoy atascado en un punto, tengo la sensación de que es tan simple que no puedo verlo. Las matrices de dispersión dentro de clase ( SWSWS_W ) y entre clases ( SBSBS_B ) se definen como: SW=∑i=1C∑t=1N(xit−μi)(xit−μi)TSW=∑i=1C∑t=1N(xti−μi)(xti−μi)T S_W =...
Los modelos de análisis discriminante gaussiano aprenden y luego aplican la regla de Bayes para evaluar P ( y | x ) = P ( x | y ) P p r i o r ( y )PAG( x | y)PAG(XEl |y)P(x|y)Por lo tanto, son modelos generativos. ¿Por qué entonces se llama análisis discriminante? Si es porque finalmente...
Aparentemente, El análisis de Fisher apunta a maximizar simultáneamente la separación entre clases, mientras se minimiza la dispersión dentro de clase. Una medida útil del poder de discriminación de una variable viene dada por la cantidad diagonal: Bii/WiiBii/WiiB_{ii}/W_{ii}...
Frecuentemente solía diagnosticar mis datos multivariados usando PCA (datos ómnicos con cientos de miles de variables y docenas o cientos de muestras). Los datos a menudo provienen de experimentos con varias variables categóricas independientes que definen algunos grupos, y a menudo tengo que pasar...
Tengo un conjunto de datos que consta de 15 K muestras etiquetadas (de 10 grupos). Quiero aplicar la reducción de dimensionalidad en 2 dimensiones, eso tomaría en consideración el conocimiento de las etiquetas. Cuando uso técnicas de reducción de dimensionalidad no supervisadas "estándar" como...
¿Cuál es la relación entre el análisis discriminante lineal y la regla de Bayes? Entiendo que LDA se usa en la clasificación al tratar de minimizar la relación de la varianza dentro del grupo y entre la varianza del grupo, pero no sé cómo se usa la regla de Bayes en