Matlab中的线性判别分析答案

【问题标题】：Linear Discriminant Analysis in MatlabMatlab中的线性判别分析
【发布时间】：2012-10-19 17:01:52
【问题描述】：

我正致力于在 Matlab 中执行 LDA，我能够让它成功地创建区分二进制类的阈值。但是，我注意到阈值总是越过原点，这给了我不正确的阈值。有没有办法在 Matlab 中执行 LDA 而不会越过原点的阈值？

提前致谢

【问题讨论】：

标签： matlab

【解决方案1】：

这取决于您用于 LDA 的配方。通过阈值，我假设您指的是决策阈值？在下面的代码中，先验概率会影响决策阈值，因此您可能没有正确设置它们。

这里是一些示例伪代码：

N = 病例数 c=类数 Priors = 每类每个案例的先验概率向量目标 = 每类每个案例的目标标签数据维度 = 特征 x 案例。

获取每个数据点的目标标签：

T = Targets(:,Cases);      % Target labels for each case

计算每个类的平均向量和公共协方差矩阵：

classifier.u = [mean(Data(:,(T(1,:)==1)),2),mean_nan(Data(:,(T(2,:)==1)),2),....,mean_nan(Data(:,(T(2,:)==c)),2];   % Matrix of data means
classifier.invCV = cov(Data');

使用类均值向量和公共协方差矩阵获取判别值：

A1=classifier.u;
B1=classifier.invCV;
D = A1'*B1*Data-0.5*(A1'*B1.*A1')*ones(d,N)+log(Priors(:,Cases));

函数会产生c判别值。然后将案例分配给具有最大判别值的类。

【讨论】：

我明白了。我目前只是在 Matlab 中使用分类函数并使用 gscatter 绘制它。我对 LDA 的概念不熟悉，但我会研究你的方法。但是，我认为这是为了对传入数据点进行正确分类？我正在尝试做的是训练 LDA，然后绘制其决策阈值，以查看数据点的布局方式以及区域的外观。
好吧，如果你有 3 个或更少的特征，你只能绘制决策阈值，但你可以通过使用分类训练分类器来做到这一点，然后使用训练产生的判别函数绘制训练数据，就好像它是否对新数据进行分类以获得决策阈值，例如2 个特点