"선형판별분석 LDA"의 두 판 사이의 차이

4번째 줄: 4번째 줄:
* 가정: [[정규성]] + [[동분산성]]
* 가정: [[정규성]] + [[동분산성]]


사후확률 <math>p_k(x)=Pr[Y=k|X=x]=\frac{π_k f_k(x)}{∑_{l=1}^K f_l(x)}
사후확률 <math>p_k(x)=Pr[Y=k|X=x]=\frac{π_k f_k(x)}{∑_{l=1}^K f_l(x)}</math>
 


<math>f_k(x)=\frac{1}{\sqrt{2π}σ_k} \operatorname{exp}\left( -\frac{1}{2σ_k^2}(x-μ_k)^2 \right)</math>
<math>f_k(x)=\frac{1}{\sqrt{2π}σ_k} \operatorname{exp}\left( -\frac{1}{2σ_k^2}(x-μ_k)^2 \right)</math>

2017년 12월 15일 (금) 15:11 판

1 개요

linear discriminant analysis (LDA), Fisher's linear discriminant
선형판별분석

사후확률 [math]\displaystyle{ p_k(x)=Pr[Y=k|X=x]=\frac{π_k f_k(x)}{∑_{l=1}^K f_l(x)} }[/math]

[math]\displaystyle{ f_k(x)=\frac{1}{\sqrt{2π}σ_k} \operatorname{exp}\left( -\frac{1}{2σ_k^2}(x-μ_k)^2 \right) }[/math]

[math]\displaystyle{ p_k(x)=\frac{π_k \frac{1}{\sqrt{2π}σ_k} \operatorname{exp}\left( -\frac{1}{2σ_k^2}(x-μ_k)^2 \right)}{∑_{l=1}^K π_l \frac{1}{\sqrt{2π}σ_k} \operatorname{exp}\left( -\frac{1}{2σ_k^2}(x-μ_k)^2 \right)} }[/math]

2 같이 보기

3 참고

문서 댓글 ({{ doc_comments.length }})
{{ comment.name }} {{ comment.created | snstime }}