Diff for "FisherLinearDiscriminant"

Differences between revisions 1 and 2

Fisher's linear discriminant 는 label을 알고 있는 다차원 데이터를 각 label을 최대로 구분하는 방향으로 projection 시켜주는 방법이다. 이를 이용하면 classification을 쉽게 할 수 있다는 장점이 있다. RonaldFisher의 이름에서 따왔다.

예를 들어서, 두개의 class 데이터가 있다고 한다면 FLD는 그 둘의 평균의 차는 최대로 하고 각 class내의 variance는 최소로 만드는 방향으로 데이터를 projection한다.

이것은 Fisher score 라고 하는 값을 최대로 만드는 방향으로 projection 한다는 얘기와 같은 의미이다.

두개의 class 에서 Fisher score는 다음 식으로 정의 된다.

$J(W) = {|m_1 - m_2|^2 \over s_1^2 + s_2^2 }$

where m represents a mean, s² represents a variance, and the subscripts denote the two classes.

-  ⇤ ← Revision 1 as of 2006-10-11 02:43:47 → 
  Size: 842
  Editor: 141
  Comment:
+   ← Revision 2 as of 2006-10-11 09:06:15 → ⇥
  Size: 877
  Editor: 220
  Comment:
-Deletions are marked like this.
+Additions are marked like this.
 Line 1:
-Fisher's linear discriminant 는 label을 알고 있는 다차원 데이터를 각 label을 최대로 구분하는 방향으로 projection 시켜주는 방법이다. 이를 이용하면 classification을 쉽게 할 수 있다는 장점이 있다.
+Fisher's linear discriminant 는 label을 알고 있는 다차원 데이터를 각 label을 최대로 구분하는 방향으로 projection 시켜주는 방법이다. 이를 이용하면 classification을 쉽게 할 수 있다는 장점이 있다. RonaldFisher의 이름에서 따왔다.
 Line 11:
-where m represents a mean, 
$$ s^2 $$ represents a variance, and the subscripts denote the two classes.
-Line 14:
+Line 12:
+where m represents a mean, s^2^ represents a variance, and the subscripts denote the two classes.