Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 2018
- 알고리즘대회
- SCPC
- 선형판별분석
- 로지스틱 회귀
- MySQL
- 개발순서
- 선형분류
- CH01
- chapter02
- directed graphical model
- secant
- 5397번
- Perceptron Convergence theorem
- 스터디
- graphical models
- Fisher discriminant analysis
- bisection
- vector미분
- 알고리즘
- 근구하기
- 이것이 MySQL이다
- 자바ORM표준JPA프로그래밍
- Numerical optimization
- 1차예선
- 인공지능
- chapter01
- undirected graphical model
- 델타 rule
- falsePosition
Archives
- Today
- Total
목록Fisher discriminant analysis (1)
computer_study
[인공지능] Fisher Discriminant Analysis(선형판별분석)
Fisher Discriminant Analysis란? FDA 혹은, Linear Discriminant Analysis(LDA)라고 불린다. 데이터들을 하나의 직선(1차원 공간)에 projection시킨 후 그 projection된 data들이 잘 구분이 되는가를 판단하는 방법이다. 데이터가 잘 구분되어있다는 의미는 위 그림 중, 왼쪽 보단 오른쪽 처럼 구분이 되어야 됨을 의미한다. 이 특성을 보자면, 데이터들이 모여있고, 중심부가 서로 멀수록 데이터의 구분이 잘 됐음을 알 수 있다. 즉, projection 후 두 데이터들의 중심(평균)이 서로 멀수록, 그 분산이 작을수록 구분이 잘 되었다고 얘기할 수 있다. 이렇게 잘 분류되게끔 하는 하나의 vector w를 구하는 것이 LDA이다. variance..
학교수업정리/인공지능
2020. 10. 4. 23:30