Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
2.4. Статистическая регуляризация оценки обратной ковариационной матрицы в линейной дискриминантной функции для модели Фишера2.4.1. Качественный анализ трудностей линейного дискриминантного анализа в асимптотике растущей размерности.Как показано в п. 2.3.1, замена неизвестной обратной ковариационной матрицы 2-1 ее оценкой Это отчасти можно объяснить плохой обусловленностью матрицы S при
где Произведем два последовательных преобразования пространства наблюдений: линейное, превращающее обычную ковариационную матрицу в единичную
и ортогональное, ориентирующее координатные оси вдоль направлений собственных векторов выборочной ковариационной матрицы в пространстве
Рассмотрим теперь функцию h (Z) вида
где
а следовательно, и УОК были оптимальны. Находим
здесь Сравним теперь формулы (2.36)-(2.38): 1) в традиционной асимптотике при 2) теоретически [51, 103, 142] и путем моделирования показано, что в асимптотике растущей размерности 3) из-за нормализующего преобразования 4) алгоритмы, уменьшающие вклад в дискриминантную функцию экстремальных значений 2.4.2. Регуляризованные оценкиСпециальные меры, направленные на улучшение обусловленности матрицы S и уменьшение случайных колебаний корней обратной матрицы Пусть X — собственный вектор матрицы S, соответствующий собственному числу
Тогда X являетсй собственным вектором матрицы
Заменим теперь в линейной дискриминантной функции предыдущего пункта К сожалению, невозможно воспользоваться только что проведенным рассуждением непосредственно, так как исходная матрица Другой вид регуляризации, с успехом используемый на практике [148] и называемый оценкой главных компонент (ОГК-оценкой) — это замена Простая геометрическая иллюстрация рассмотренных выше правил дана на рис. 2.3 посредством функций взвешивания собственных значений матрицы S. Пусть
Введем в (2.41) формально в виде сомножителя функцию взвешивания
Рис. 2.3. Весовые коэффициенты в различных методах регуляризации 2.4.3. Обобщенная ридж-оценка В. И. Сердобольского [142, 145].Представляет собой линейную комбинацию простых ридж-оценок
Для того чтобы для заданной функции 1) обе совокупности нормальны 2) собственные числа матриц 2 лежат на отрезке 3) при каждом Введем функцию распределения неслучайных собственных значений матрицы Обозначим Введем функцию 4) при
5) выборки из совокупностей независимы. Матрица В сделанных предположениях существуют пределы в среднем квадратическом:
где
Предельная минимаксная ошибка (а) классификации по правилу
где
В [142] доказывается, что функция Ее сравнение с алгоритмами Фишер и Парзен (см. § 3.2) на ряде реальных коллекций данных с
|
1 |
Оглавление
|