線性判別分析LinearDiscriminantAnaly

1、.1. 問題     之前我們討論的PCA、ICA也好，對樣本數據來言，可以是沒有類別標簽y的?；叵胛覀冏龌貧w時，如果特征太多，那么會產生不相關特征引入、過度擬合等問題。我們可以使用PCA來降維，但PCA沒有將類別標簽考慮進去，屬于無監(jiān)督的。     比如回到上次提出的文檔中含有“l(fā)earn”和“study”的問題，使用PCA后，也許可以將這兩個特征合并為一個，降了維度。但假設我們的類別標簽y是判斷這篇文章的topic是不是有關學習方面的。那么這兩個特征對y幾乎沒什么影響，完全可以去除。  &#

2、160;  再舉一個例子，假設我們對一張100*100像素的圖片做人臉識別，每個像素是一個特征，那么會有10000個特征，而對應的類別標簽y僅僅是0/1值，1代表是人臉。這么多特征不僅訓練復雜，而且不必要特征對結果會帶來不可預知的影響，但我們想得到降維后的一些最佳特征（與y關系最密切的），怎么辦呢？2. 線性判別分析（二類情況）     回顧我們之前的logistic回歸方法，給定m個n維特征的訓練樣例（i從1到m），每個對應一個類標簽。我們就是要學習出參數，使得（g是sigmoid函數）。     現在

3、只考慮二值分類情況，也就是y=1或者y=0。     為了方便表示，我們先換符號重新定義問題，給定特征為d維的N個樣例，其中有個樣例屬于類別，另外個樣例屬于類別。     現在我們覺得原始特征數太多，想將d維特征降到只有一維，而又要保證類別能夠“清晰”地反映在低維數據上，也就是這一維就能決定每個樣例的類別。     我們將這個最佳的向量稱為w（d維），那么樣例x（d維）到w上的投影可以用下式來計算       

4、60;  這里得到的y值不是0/1值，而是x投影到直線上的點到原點的距離。     當x是二維的，我們就是要找一條直線（方向為w）來做投影，然后尋找最能使樣本點分離的直線。如下圖：          從直觀上來看，右圖比較好，可以很好地將不同類別的樣本點分離。     接下來我們從定量的角度來找到這個最佳的w。     首先我們尋找每類樣例的均值（中心點），這里i只有兩個 &#

5、160;        由于x到w投影后的樣本點均值為          由此可知，投影后的的均值也就是樣本中心點的投影。     什么是最佳的直線（w）呢？我們首先發(fā)現，能夠使投影后的兩類樣本中心點盡量分離的直線是好的直線，定量表示就是：          J(w)越大越好。     但是只考慮J

6、(w)行不行呢？不行，看下圖          樣本點均勻分布在橢圓里，投影到橫軸x1上時能夠獲得更大的中心點間距J(w)，但是由于有重疊，x1不能分離樣本點。投影到縱軸x2上，雖然J(w)較小，但是能夠分離樣本點。因此我們還需要考慮樣本點之間的方差，方差越大，樣本點越難以分離。     我們使用另外一個度量值，稱作散列值（scatter），對投影后的類求散列值，如下          從公式中可

7、以看出，只是少除以樣本數量的方差值，散列值的幾何意義是樣本點的密集程度，值越大，越分散，反之，越集中。     而我們想要的投影后的樣本點的樣子是：不同類別的樣本點越分開越好，同類的越聚集越好，也就是均值差越大越好，散列值越小越好。正好，我們可以使用J(w)和S來度量，最終的度量公式是          接下來的事就比較明顯了，我們只需尋找使J(w)最大的w即可。     先把散列值公式展開    

8、;      我們定義上式中中間那部分          這個公式的樣子不就是少除以樣例數的協(xié)方差矩陣么，稱為散列矩陣（scatter matrices）     我們繼續(xù)定義          稱為Within-class scatter matrix。     那么回到上面的公式，使用替換中間部分，得 &

9、#160;             然后，我們展開分子          稱為Between-class scatter，是兩個向量的外積，雖然是個矩陣，但秩為1。     那么J(w)最終可以表示為          在我們求導之前，需要對分母進行歸一化，因為不做歸一的話，w擴大任何倍，都成立，我

10、們就無法確定w。因此我們打算令，那么加入拉格朗日乘子后，求導          其中用到了矩陣微積分，求導時可以簡單地把當做看待。     如果可逆，那么將求導后的結果兩邊都乘以，得          這個可喜的結果就是w就是矩陣的特征向量了。     這個公式稱為Fisher linear discrimination。   

11、  等等，讓我們再觀察一下，發(fā)現前面的公式          那么          代入最后的特征值公式得          由于對w擴大縮小任何倍不影響結果，因此可以約去兩邊的未知常數和，得到          至此，我們只需要求出原始樣本的均值和方差就可以求出最佳

12、的方向w，這就是Fisher于1936年提出的線性判別分析。     看上面二維樣本的投影結果圖：     3. 線性判別分析（多類情況）     前面是針對只有兩個類的情況，假設類別變成多個了，那么要怎么改變，才能保證投影后類別能夠分離呢？我們之前討論的是如何將d維降到一維，現在類別多了，一維可能已經不能滿足要求。假設我們有C個類別，需要K維向量（或者叫做基向量）來做投影。     將這K維向量表示為。  

13、0;  我們將樣本點在這K維向量投影后結果表示為，有以下公式成立               為了像上節(jié)一樣度量J(w)，我們打算仍然從類間散列度和類內散列度來考慮。     當樣本是二維時，我們從幾何意義上考慮：          其中和與上節(jié)的意義一樣，是類別1里的樣本點相對于該類中心點的散列程度。變成類別1中心點相對于樣本中心點的協(xié)方差矩陣，

14、即類1相對于的散列程度。     為          的計算公式不變，仍然類似于類內部樣本點的協(xié)方差矩陣          需要變，原來度量的是兩個均值點的散列情況，現在度量的是每類均值點相對于樣本中心的散列情況。類似于將看作樣本點，是均值的協(xié)方差矩陣，如果某類里面的樣本點較多，那么其權重稍大，權重用Ni/N表示，但由于J(w)對倍數不敏感，因此使用Ni。   &#

15、160;      其中          是所有樣本的均值。     上面討論的都是在投影前的公式變化，但真正的J(w)的分子分母都是在投影后計算的。下面我們看樣本點投影后的公式改變：     這兩個是第i類樣本點在某基向量上投影后的均值計算公式。              

16、下面兩個是在某基向量上投影后的和               其實就是將換成了。     綜合各個投影向量（w）上的和，更新這兩個參數，得到               W是基向量矩陣，是投影后的各個類內部的散列矩陣之和，是投影后各個類中心相對于全樣本中心投影的散列矩陣之和。   

17、0; 回想我們上節(jié)的公式J(w)，分子是兩類中心距，分母是每個類自己的散列度。現在投影方向是多維了（好幾條直線），分子需要做一些改變，我們不是求兩兩樣本中心距之和（這個對描述類別間的分散程度沒有用），而是求每類中心相對于全樣本中心的散列度之和。     然而，最后的J(w)的形式是          由于我們得到的分子分母都是散列矩陣，要將矩陣變成實數，需要取行列式。又因為行列式的值實際上是矩陣特征值的積，一個特征值可以表示在該特征向量上的發(fā)散程度。因此我們使用行列式來計算（

18、此處我感覺有點牽強，道理不是那么有說服力）。     整個問題又回歸為求J(w)的最大值了，我們固定分母為1，然后求導，得出最后結果（我翻查了很多講義和文章，沒有找到求導的過程）          與上節(jié)得出的結論一樣          最后還歸結到了求矩陣的特征值上來了。首先求出的特征值，然后取前K個特征向量組成W矩陣即可。     注意：由于中的 秩為1

19、，因此的秩至多為C（矩陣的秩小于等于各個相加矩陣的秩的和）。由于知道了前C-1個后，最后一個可以有前面的來線性表示，因此的秩至多為C-1。那么K最大為C-1，即特征向量最多有C-1個。特征值大的對應的特征向量分割性能最好。     由于不一定是對稱陣，因此得到的K個特征向量不一定正交，這也是與PCA不同的地方。4. 實例      將3維空間上的球體樣本點投影到二維上，W1相比W2能夠獲得更好的分離效果。         &#

20、160;  PCA與LDA的降維對比：            PCA選擇樣本點投影具有最大方差的方向，LDA選擇分類性能最好的方向。      LDA既然叫做線性判別分析，應該具有一定的預測功能，比如新來一個樣例x，如何確定其類別？      拿二值分來來說，我們可以將其投影到直線上，得到y(tǒng)，然后看看y是否在超過某個閾值y0，超過是某一類，否則是另一類。而怎么尋找這個y0呢？ 

21、     看            根據中心極限定理，獨立同分布的隨機變量和符合高斯分布，然后利用極大似然估計求            然后用決策理論里的公式來尋找最佳的y0，詳情請參閱PRML。      這是一種可行但比較繁瑣的選取方法，可以看第7節(jié)（一些問題）來得到簡單的答案。5. 使用LDA的一些限制

22、      1、 LDA至多可生成C-1維子空間      LDA降維后的維度區(qū)間在1,C-1，與原始特征數n無關，對于二值分類，最多投影到1維。      2、 LDA不適合對非高斯分布樣本進行降維。            上圖中紅色區(qū)域表示一類樣本，藍色區(qū)域表示另一類，由于是2類，所以最多投影到1維上。不管在直線上怎么投影，都難使紅色點和藍色點

23、內部凝聚，類間分離。      3、 LDA在樣本分類信息依賴方差而不是均值時，效果不好。            上圖中，樣本點依靠方差信息進行分類，而不是均值信息。LDA不能夠進行有效分類，因為LDA過度依靠均值信息。      4、 LDA可能過度擬合數據。6. LDA的一些變種1、 非參數LDA      非參數LDA使用本地信息和K臨近樣本

24、點來計算,使得是全秩的，這樣我們可以抽取多余C-1個特征向量。而且投影后分離效果更好。2、 正交LDA      先找到最佳的特征向量，然后找與這個特征向量正交且最大化fisher條件的向量。這種方法也能擺脫C-1的限制。3、 一般化LDA      引入了貝葉斯風險等理論4、 核函數LDA      將特征，使用核函數來計算。7. 一些問題      上面在多值分類中使用的  

25、;          是帶權重的各類樣本中心到全樣本中心的散列矩陣。如果C=2（也就是二值分類時）套用這個公式，不能夠得出在二值分類中使用的。            因此二值分類和多值分類時求得的會不同，而意義是一致的。      對于二值分類問題，令人驚奇的是最小二乘法和Fisher線性判別分析是一致的。     

26、下面我們證明這個結論，并且給出第4節(jié)提出的y0值得選取問題。      回顧之前的線性回歸，給定N個d維特征的訓練樣例（i從1到N），每個對應一個類標簽。我們之前令y=0表示一類，y=1表示另一類，現在我們?yōu)榱俗C明最小二乘法和LDA的關系，我們需要做一些改變            就是將0/1做了值替換。      我們列出最小二乘法公式        &#