总类内散度阵、总类间散度阵、某类数据的类内散度矩阵 python

最新推荐文章于 2024-06-27 10:37:12 发布
最新推荐文章于 2024-06-27 10:37:12 发布
阅读量4.2k 收藏 14
点赞数 2
CC 4.0 BY-SA版权
文章标签： 自然语言处理 自动驾驶 tensorflow 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wansui60/article/details/106909232
本文介绍了如何使用Python计算总类内散度阵和总类间散度阵，这些概念在数据分析和机器学习中尤其重要，特别是与自然语言处理、自动驾驶等领域的深度学习应用相关。通过理解并应用这些矩阵，可以优化模型性能，例如在神经网络和TensorFlow项目中。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

def cacuSW(train_face,k):#利用总的样本矩阵计算总的类内散度矩阵
#train_face：行为样本，所有样本矩阵，每k行为一类为
    m,n=train_face.shape
    sw=np.zeros([n,n])#大小为特征数*特征数
    meanlei=np.zeros([40,n])#计算40个类中，每个类的平均
    meanlei=[]
最低0.47元/天 解锁文章

200万优质内容无限畅学
金金K
关注
『矩阵论笔记』线性判别分析(LDA)最全解读+python实战二分类代码+补充：矩阵求导可以参考
AI新视界
05-27 6153
线性判别分析(Linear Discriminant Analysis 简称LDA)是一种经典的线性学习方法，在二分类问题上因为最早由【Fisher，1936年】提出，所以也称为“Fisher 判别分析！” Fisher（费歇）判别思想是投影，使多维问题简化为一维问题来处理。选择一个适当的投影轴,使所有的样本点都投影到这个轴上得到一个投影值。对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小，而不同类间的投影值所形成的类间离差尽可能大。
【机器学习】监督学习算法之： 线性判别分析(LDA)
商务合作 | 面试培训 | 职场规划 ==>主页扫码
03-25 5518
监督学习算法之 LDA
python计算矩阵的散度_计算类内类间散度矩阵（附代码）
weixin_39709674的博客
12-19 2852
classcompute_scatter_matrix(object):def__init__(self,X,labels):self.X=Xself.labels=labelsdefcompute_scatter(self):meanAll=np.mean(self.X,axis=0)St=np.dot((self.X-meanAll).T,(self.X-meanAll)...
计算类内散度矩阵和类间散度矩阵实例
m0_62879974的博客
10-10 1万+
计算类内散度矩阵和类间散度矩阵实例
python实现类内类间散度矩阵，并计算其商
weixin_44620044的博客
03-31 5445
python实现类内类间散度矩阵，并计算其商J 1 类内类间散度矩阵的数学定义 参考博客：https://blog.youkuaiyun.com/weixin_38313518/article/details/76623744 2 类内距离的理解 参考博客：https://blog.youkuaiyun.com/ycheng_sjtu/article/details/25343043 matlab代码理解：https...
类间散度矩阵和类内散度矩阵
心旷神怡
08-03 3万+
LDA散度矩阵的计算
08-17
计算LDA中的散度矩阵，matlab实现
类内与类间散度矩阵
wansui60的博客
05-31 3999
def cacuSW(train_face,k): #train_face：行为样本，所有训练图像组成的矩阵，每个类别有k个图像为训练 sw=np.zeros([train_face.shape[1],train_face.shape[1]]) meanlei=np.zeros([40,10304])#计算40个类中，每个类的平均 meanlei=[] for i in range(0,train_face.shape[0],k): train0=train_
Fisher判别的推导概念和过程+python代码实现（三分类）
01-20
②计算样本类内离散度矩阵SiS_iSi​和总类内离散度矩阵SwS_wSw​③计算样本类间离散度矩阵SbS_bSb​④求投影方向向量 WWW (维度和样本的维度相同)。我们希望投影后，在一维YYY空间里各类样本尽可能分开，就是我们...
2020-05-07
耶耶耶的博客
05-07 983
人工智能与机器学习第10周 在理解Fisher线性分类的参考文件的代码基础上（matlab代码），改用python代码完成Fisher判别的推导。重点理解“群内离散度”（样本类内离散矩阵）、“群间离散度”（总类内离散矩阵）的概念和几何意义 基本概念 “群内离散度”要求的是距离越远越好;而"群间离散度”的距离越近越好由.上可知:“群内离散 度”(样本类内离散矩阵)的计算公式为因为每一个样本有多维数据...
线性判别分析(Linear Discriminant Analysis, LDA）(含类内散度矩阵 类间散度矩阵 全局散度矩阵推导
0ng的博客
04-09 9504
LDA算法概述： 线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD)，是模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后...
协方差矩阵和散布矩阵（散度矩阵）的意义
热门推荐
AI吃大瓜的博客
03-31 4万+
协方差矩阵和散布矩阵的意义 在机器学习模式识别中，经常需要应用到协方差矩阵C和散布矩阵S。如在PCA主成分分析中，需要计算样本的散度矩阵，有的论文是计算协方差矩阵。实质上二者意义差不多，散布矩阵（散度矩阵）前乘以系数1/(n-1)就可以得到协方差矩阵了。 在模式识别的教程中，散布矩阵也称为散度矩阵，有的也称为类内离散度矩阵或者类内离差阵，用一个等式关系可表示为： 关系：散度矩阵=类内离散度矩阵=类内离差阵=协方差矩阵×（n-1） 样本的协方差矩阵乘以n-1倍即为散布矩阵，n表示样本
KL 散度计算-python 例子
TH_NUM的博客
02-16 3342
import numpy as np from scipy.stats import norm from matplotlib import pyplot as plt import tensorflow as tf import seaborn as sns sns.set() x = np.arange(-10, 10, 0.001) p = norm.pdf(x, 0, 2) q = no...
【模式识别原理】第五章 特征选择与特征提取，类内距离和散布矩阵，散度（上海理工大学）
最新发布
周文龙的博客
06-27 1205
出发点：对数似然比含有类别的可分性信息。对不同的X，似然函数不同，对数似然比体现的可分性不同，通常采用平均可分性信息——对数似然比的期望值。散度等于两类的对数似然比期望值之和。散度表示了区分ωi类和ωj类的总的平均信息。——特征选择和特征提取应使散度尽可能的大。
机器学习-降维方法-有监督学习：LDA算法(线性判别分析)【流程：①类内散度矩阵Sw-＞②类间散度矩阵Sb-＞计算Sw^-1Sb的特征值、特征向量W-＞得到投影矩阵W-＞将样本X通过W投影进行降维】
u013250861的博客
10-29 3939
LDA 是一种有监督学习算法，同时经常被用来对数据进行降维。 相比于PCA，LDA可以作为一种有监督的降维算法。在PCA中，算法没有考虑数据的标签（类别），只是把原数据映射到一些方差比较大的方向上而已。 LDA的中心思想：投影后类内方差最小，类间方差最大。要将数据在低维度上进行投影，投影后希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大。 现在我们首先从比较简单的二类LDA入手，严谨的分析LDA的原理： 假设我们的数据集D={(x1,y1),(x2,y2),...,
LDA中的三个散度矩阵
cj_to_niu
05-07 2688
转载出处：https://blog.youkuaiyun.com/Oxalis_Triangularis/article/details/47420521LDA中的三个散度矩阵在学习LDA（Linear Discriminate Analysis）的时候接触到了散度矩阵的概念，并且很多文章提到到混合散度矩阵等于类间散度矩阵与类内散度矩阵之和。我自己证明了一下。总体散度矩阵（total scatter matr...
读《协方差矩阵和散布矩阵（散度矩阵）的意义》一文的思考与补充
shaozhenghan的博客
07-30 1258
这篇文章《协方差矩阵和散布矩阵（散度矩阵）的意义》讲的很透彻，分享之：http://blog.youkuaiyun.com/guyuealian/article/details/68922981 我自己补充几点自己的进一步理解： 1。通常来说特征值没有一个上限，为了方便量化比较，归一化到 0-1 范围，可以将单个特征值di 用 di/（d1+d2+...+dn）来代替。另外，在数理统计上，协方差矩阵一定是...
理论学习：本征值与本征向量
weixin_43718835的博客
04-06 4872
本篇文章旨在与大家一起学习线性代数中有关本征值与本征向量的概念，并且更深一步地看到潜藏在繁杂计算式下面的物理含义。
使用类内散度与类间散度进行特征选择
pingguolou的博客
11-25 3315
1.度量类内差异，可以使用方差σ来度量，正类方差和负类方差之和通常也称为类内散度σ1+σ2。度量类间差异可以使用均值距离Δu，通常称为类间散度。这可以用作特征选择，即在分类过程中，我们希望使用类内差异小、类间差异大的特征。因此，可以对所有特征的类内散度和类间散度进行排序.如 1.1根据alpha*(σ1+σ2)+-|Δu|从小到大选择，即选择较小的值 1.2根据σ...
利用JDBC与AJAX实现无限级联分类功能
这一技术主要通过创建`XMLHttpRequest`对象来实现，它可以与服务器交换数据并更新网页的某部分。 - **异步操作**：通过AJAX可以异步发送请求到服务器，不中断用户当前的操作。 - **动态内容更新**：根据服务器返回...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值