线性判别分析(LDA)详解(线性判别分析LDA医学)

线性判别分析(LDA)详解

推荐整理分享线性判别分析(LDA)详解(线性判别分析LDA医学)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:线性判别分析LDA中文,线性判别分析LDA中文,线性判别分析(LDA),线性判别分析LDA例题,线性判别分析LDA计算过程,线性判别分析(LDA),线性判别分析(LDA),线性判别分析LDA,内容如对您有帮助，希望把文章链接给更多的朋友！

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。

目录

一、LDA简介

二、数学原理（以二分类为例子）

1、设定

2、每一类的均值和方差

3、目标函数

4、目标函数的求解

5、最终的实践所求

三、多分类LDA

四、LDA用途与优缺点

1、用途

2、优点

3、缺点

五、LDA的python应用

1、调用函数LinearDiscriminantAnalysis

2、常用参数意义

3、常用返回值

4、利用LDA进行二分类实例

一、LDA简介

LDA（线性判别分析）是一个经典的二分类算法。

主要思想：以一种基于降维的方式将所有的样本映射到一维坐标轴上，然后设定一个阈值，将样本进行区分

如下图所示，把红蓝两类的点投影在了一条直线（向量a）上，即二维变一维（本来一个点要用(x,y)来表示，投影到直线后就用一个维度来描述）。

二、数学原理（以二分类为例子）1、设定

首先我们假设整个样本空间分为两个类别，分别是1、-1；N1、N2分别代表1，-1类别样本的个数；样本为X。

那么有：；

设定z为映射后的坐标（即投影后的坐标）

2、每一类的均值和方差

将样本数据X向w向量（设定w的模长为1）做投影，则有：

接下来求出映射后的均值和方差（用来衡量样本的类间距离和类内距离）

均值：；

方差：；

3、目标函数

想要得到好的分类模型，即要求类内间距小，类间间距大。即：

类内间距小：；两个类的方差越小，说明样本越密集 类间间距大：；用两个类的均值的距离说明两个类之间的距离

根据这样的思路构建目标函数：

J(w)越大越好，即我们要求的是：

4、目标函数的求解

化简目标函数：（将w向量与原数据的运算分隔开）

令类间散度矩阵：；类内散度矩阵：，则有：

方法一：

为了解决，则对J(w)求导：

化简得到：

又因为，，都是标量，w前面我们已经约定它的模长为1，所以我们不关心它的长度，只关心他的方向，所以把标量都摘掉，得：

方法二：

J(w)的分子分母都是关于w的二次项，因此J(w)的解与w的长度无关，只与它的方向有关。所以这里为例简单处理也可以令，故求，利用拉格朗日乘子法可得：

又因为方向恒为，所以令，因此有

5、最终的实践所求

为得到数值解的稳定性，通常对进行奇异值分解（），再由得到。

三、多分类LDA

假定存在N个类，且第i类示例数为。

全局散度矩阵：，其中是所有样本的均值向量。

类内散度矩阵：

类间散度矩阵：

然后与上面的二分类类似：目标函数为：

类似可得：

所以W的解为的特征向量组成的矩阵。

四、LDA用途与优缺点1、用途

LDA既可以用来降维（将W视为投影矩阵），又可以用来分类，但主要还是用于降维。

2、优点

与另一个降维算法PCA对比

（1）在降维过程中可以使用类别的先验知识经验，而PCA（无监督学习）无法使用类别先验知识

（2）LDA样本分类依赖的是均值而不是方差，比PCA算法更优

3、缺点

（1）LDA不适合对非高斯分布的样本降维

（2）LDA降维最多降到类别数N-1的维数，如果我们降维的维度大于N-1，则不能使用LDA

（3）LDA可能会过度拟合数据

五、LDA的python应用1、调用函数LinearDiscriminantAnalysisfrom sklearn.discriminant_analysis import LinearDiscriminantAnalysis2、常用参数意义

（1）solver：字符串类型，指定求解最优化问题的算法

🌳'svd'：奇异值分解。对于有大规模特征的数据，推荐用这种算法

🌳'lsqr'：最小平方差，可以结合skrinkage参数

🌳'eigen' ：特征分解算法，可以结合shrinkage参数

（2）skrinkage：取值：字符串‘auto’或者浮点数或者None。

该参数通常在训练样本数量小于特征数量的场合下使用。

🌳‘auto’：自动决定shrinkage参数的大小

🌳None：不使用shrinkage参数

🌳浮点数（位于0~1之间）：自己指定的shrinkage参数

（3）n_components：（整数类型）指定了数组降维后的维度（该值必须小于n_classes-1）

（4）priors：一个数组，数组中的元素依次指定了每个类别的先验概率。如果为None，则认为每个类的先验概率都是等可能的

3、常用返回值

coef_：权重向量

intercept：b值

covariance_：一个数组，依次给出了每个类别的协方差矩阵

means_：一个数组，依次给出了每个类别的均值向量

xbar_：给出了整体样本的均值向量

4、利用LDA进行二分类实例

来个简单的小栗子

我们使用sklearn里的乳腺癌数据集

from sklearn.datasets import load_breast_cancercancer = load_breast_cancer()

然后对数据进行一个处理，让我们看起来舒服点，计算机处理也舒服点

data=cancer["data"]col = cancer['feature_names']x = pd.DataFrame(data,columns=col)#就是那些个特征target = cancer.target.astype(int)y = pd.DataFrame(target,columns=['target'])#对应特征组合下的类别标签

训练集测试集分分类

from sklearn.model_selection import train_test_splitx_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,random_state=1)

直接进入训练

clf = LinearDiscriminantAnalysis(n_components=1)model=clf.fit(x_train,y_train)

训练出来的模型对test集进行一个预测

y_pred = model.predict(x_test)print(classification_report(y_test, y_pred))

完整代码

from sklearn.datasets import load_breast_cancerfrom sklearn.model_selection import train_test_splitfrom sklearn.discriminant_analysis import LinearDiscriminantAnalysisfrom sklearn import metricsimport matplotlib.pyplot as pltfrom sklearn.metrics import classification_reportimport pandas as pdimport warningswarnings.filterwarnings('ignore')cancer = load_breast_cancer()data=cancer["data"]col = cancer['feature_names']x = pd.DataFrame(data,columns=col)target = cancer.target.astype(int)y = pd.DataFrame(target,columns=['target'])x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,random_state=1)clf = LinearDiscriminantAnalysis(n_components=1)model=clf.fit(x_train,y_train)y_pred = model.predict(x_test)print(classification_report(y_test, y_pred))

结果

欢迎大家在评论区批评指正，谢谢~