Preguntas etiquetadas con discriminant-analysis

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 PCA, el diagrama de dispersión parece …

13 machine-learning  pca  dimensionality-reduction  supervised-learning  discriminant-analysis 

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 por algunos componentes antes de poder …

13 pca  linear-model  r-squared  discriminant-analysis 

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} . http://root.cern.ch/root/htmldoc/TMVA__MethodFisher.html Entiendo que el tamaño ( p x p) de la …

13 algorithms  dimensionality-reduction  discriminant-analysis  sums-of-squares 

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 …

13 normal-distribution  discriminant-analysis  generative-models 

Estoy estudiando reconocimiento de patrones y aprendizaje automático, y me encontré con la siguiente pregunta. Considere un problema de clasificación de dos clases con igual probabilidad de clase previaP(D1)=P(D2)=12P(D1)=P(D2)=12P(D_1)=P(D_2)= \frac{1}{2} y la distribución de instancias en cada clase dada por p(x|D1)=N([00],[2001]),p(x|D1)=N([00],[2001]), p(x|D_1)= {\cal N} \left( \begin{bmatrix} 0 \\0 \end{bmatrix}, \begin{bmatrix} …

12 machine-learning  self-study  classification  discriminant-analysis 

¿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 …

12 classification  discriminant-analysis  bayes 

Estoy implementando PCA, LDA y Naive Bayes, para compresión y clasificación respectivamente (implementando tanto un LDA para compresión y clasificación). Tengo el código escrito y todo funciona. Lo que necesito saber, para el informe, es cuál es la definición general de error de reconstrucción . Puedo encontrar muchas matemáticas y …

12 machine-learning  pca  terminology  dimensionality-reduction  discriminant-analysis 

Un ejemplo de una buena medida de la separabilidad de clases en estudiantes discriminantes lineales es la relación discriminante lineal de Fisher. ¿Existen otras métricas útiles para determinar si los conjuntos de características proporcionan una buena separación de clases entre las variables de destino? En particular, estoy interesado en encontrar …

11 machine-learning  classification  feature-selection  discriminant-analysis 

Usando un biplot de valores obtenidos a través del análisis de componentes principales, es posible explorar las variables explicativas que componen cada componente principal. ¿Esto también es posible con el análisis discriminante lineal? Los ejemplos provistos usan el. Los datos son "Datos del iris de Edgar Anderson" ( http://en.wikipedia.org/wiki/Iris_flower_data_set ). …

11 r  pca  multivariate-analysis  discriminant-analysis  biplot 

Estoy leyendo este artículo sobre la diferencia entre el Análisis de componentes principales y el Análisis discriminante múltiple (Análisis discriminante lineal), y estoy tratando de entender por qué alguna vez usaría PCA en lugar de MDA / LDA. La explicación se resume de la siguiente manera: en términos generales, en …

10 classification  pca  dimensionality-reduction  discriminant-analysis 

Conozco 2 enfoques para hacer LDA, el enfoque bayesiano y el enfoque de Fisher . Supongamos que tenemos los datos , donde es el predictor p- dimensional e y es la variable dependiente de las clases K.(x,y)(x,y)(x,y)xxxpppyyyKKK Mediante el enfoque bayesiano , calculamos el p posterior (y_k | x) = …

10 discriminant-analysis 

Me preguntaba si alguien podría ayudarme con información sobre Kurtosis (es decir, ¿hay alguna forma de transformar sus datos para reducirlos?) Tengo un conjunto de datos de cuestionarios con una gran cantidad de casos y variables. Para algunas de mis variables, los datos muestran valores de curtosis bastante altos (es …

10 distributions  assumptions  kurtosis  discriminant-analysis  parametric 

¿Cuál es la razón, si la hay, para usar el Análisis discriminante (DA) en los resultados de un algoritmo de agrupamiento como k-means, como lo veo de vez en cuando en la literatura (esencialmente sobre el subtipo clínico de los trastornos mentales)? Por lo general, no se recomienda probar las …

10 clustering  discriminant-analysis 

Estoy estudiando análisis discriminante, pero estoy teniendo dificultades para conciliar varias explicaciones diferentes. Creo que me falta algo, porque nunca antes me he encontrado con este nivel (aparente) de discrepancia. Dicho esto, el número de preguntas sobre el análisis discriminante en este sitio web parece ser un testimonio de su …

10 multivariate-analysis  discriminant-analysis 

Si se usa un Análisis discriminante lineal de varias clases (o también leo Análisis discriminante múltiple a veces) para la reducción de dimensionalidad (o transformación después de la reducción de dimensionalidad a través de PCA), entiendo que, en general, una "normalización del puntaje Z" (o estandarización) de las características no …

9 classification  data-transformation  normalization  standardization  discriminant-analysis