LDA(Fisher)线性判别分析
对于二分类问题若存在一个将样本投影到一维空间上
为了使两个样本能够较好的分开,应该是的每一个同类的样本的方差(离散程度)尽可能的小,而不同类的样本的尽可能的远
设样本可以分为与两类
则我们可以计算
各类样本的类内均值向量
各类样本的类内离散度矩阵
总体样本的类内离散度矩阵
样本的类间离散度矩阵
Fisher准则函数
由此我们优化的目标时使得最大
采用拉格朗日乘数法
对求偏导数
偏导数为0
则存在
因为为非奇异矩阵可得到
可以视为求矩阵的特征向量
为一个标量设为R,则
于是
由于寻找对是W的方向上的向量,所以
综上所述,存在使得LDA可以较好的解决二分类问题。