模式识别之数据降维(六):LDA方法介绍与实现

技术凯 2020-12-31 17:28:23 18949
一、LDA的基本原理

  之前的文章中,我们已经介绍了PCA,它在进行数据降维时,不考虑分类的情况,是利用数据自身进行特征提取的一种方法。这就使得PCA经常用于数据的降燥而不是数据的分类任务中。本篇文章要介绍的LDA方法,在进行特征提取时,将学习数据的标签信息也考虑在内,使得分类时的准确率大大增加。
  LDA(Linear Discriminant Analysis),即线性判别分析。它的基本原理可以用一句话概括:将数据投影变换,使得相同类别数据之间的距离最小,不同类别数据之间的距离最大,简称:类间距离最大,类内距离最小。我们可以用一张图进行解释:

这张图大家已经很熟悉了,我们可以把蓝色的“X”和红色的“O”看作两类数据,在投影之后,我们可以看出,相同类别之间的距离很小,不同类别之间的距离很大。以上就是LDA的基本思想。那么这个类间距离和类内距离如何表示呢?数学家们已经为我们提供了相关公式了,如下所示:
(1)类内距离公式:

其中,C为类别个数,比如:二分类任务时,C=2.,xij为第i类的第j个数据,ui为第i类样本的均值。
(2)类间距离公式:

其中,ui为第i类样本的均值,u的计算公式如下:

  我们最终的目的,就是要让类间距离最小,类内距离最大,我们可以设定一个判别式:

判别式最大时,我们的LDA达到最优

二、进行LDA的步骤
  1. 计算数据的均值,类内离散度(类内距离)和类间离散度(类间距离)
  2. 计算判别矩阵J的特征值以及特征向量
  3. 和之前PCA算法一样,我们对特征向量进行排列,最终选择一定数量的特征向量,特征向量的数量即为选择特征的个数,经过推导,选择的最大特征数i等于类别数C-1。最终得到变换矩阵,降维的过程实际上是将原数据经过变换矩阵变换到新的数据:

    LDA的步骤如上,具体涉及到复杂的数学推导,本文不再赘述,感兴趣的读者可以自行查阅资料。
    三、LDA的Matlab实现

      与PCA分析不同的是,LDA分析用到了数据的标签信息。所以,在进行二分类和多分类的降维操作时,要分开处理。在处理二分类数据时,最大的投影维度为1维。在处理多分类数据时,最大的投影维度为C-1维。
    (1)先导入二分类数据,计算均值和内类离散度矩阵

    %LDA
    clear
    % 先使用二分类数据进行LDA
    load('2-Class Problem.mat');
    tic
    train_num1=size(Training_class1,2);
    train_num2=size(Training_class2,2);
    d=size(Training_class1,1);
    % 计算均值
    miu_1=mean(Training_class1,2);
    miu_2=mean(Training_class2,2);
    miu=(miu_1+miu_2)/2;
    % 计算类内离散度矩阵
    s_w1=(Training_class1-miu_1)*(Training_class1-miu_1)';
    s_w2=(Training_class2-miu_2)*(Training_class2-miu_2)';
    s_w=s_w1+s_w2;

    (2)计算类间离散度矩阵,的特征值以及特征向量。并对特征值进行排列

    % 计算类间离散度矩阵
    s_b=(miu_1-miu_2)*(miu_1-miu_2)';
    % 计算特征值和特征向量
    [u,lamda]=eig(s_w\s_b);
    lamda=ones(1,d)*lamda;%eig函数生成的特征值转换成行向量
    % 将特征值和特征向量合成一个矩阵,第一列为特征值,从第二列开始为特征向量,特征向量按行排列
    lamda_u=[lamda;u];
    lamda_u=lamda_u';
    lamda_u=sortrows(lamda_u,1,'descend');%对特征向量按lamda大小进行降序排列
    lamda=lamda_u(:,1);%分离特征值
    u=lamda_u(:,2:end);%分离特征向量

    (3)求解变换矩阵,并保存

    k=1;%提取的特征数为1,对于二分类问题,最大的投影维度为1维
    u=u(1:k,:);
    u_2_class=u;
    %保存提取的特征向量
    save('feature_LDA','u_2_class');  

    (4)读取多分类数据集

    % 使用多分类数据进行LDA
    load('Mult-class Problem.mat');
    % 获取类别数
    class_nums=Label_training(end);
    % 训练数据量
    train_num=size(Training_data,2);  

    (5)计算均值、类内离散度矩阵

    % 计算均值、类内离散度矩阵
    for i=1:class_nums
    miu_i(:,i)=mean(Training_data(:,Label_training==i),2);%均值
    %第i类类内离散度矩阵
    s=0;
    for j=1:train_num
        s=s+(Training_data(:,Label_training==i)-miu_i(:,i))*(Training_data(:,Label_training==i)-miu_i(:,i))';
    end
    s_w_i(:,:,i)=s;
    end
    miu=mean(miu_i,2);
    s_w=sum(s_w_i,3);

    (6)计算类间离散度矩阵,的特征值以及特征矩阵,并对特征向量,并对特征向量按特征值降序排列。

    % 计算类间离散度
    s_b=(miu_i-miu)*(miu_i-miu)';
    % 计算特征值和特征向量
    [u,lamda]=eig(inv(s_w)*s_b);
    lamda=ones(1,d)*lamda;%eig函数生成的特征值转换成行向量
    %将特征值和特征向量合成一个矩阵,第一列为特征值,从第二列开始为特征向量,特征向量按行排列
    lamda_u=[lamda;u];
    lamda_u=lamda_u';
    lamda_u=sortrows(lamda_u,1,'descend');%对特征向量按lamda大小进行降序排列
    lamda=lamda_u(:,1);%分离特征值
    u=lamda_u(:,2:end);%分离特征向量

    (7)计算变换矩阵,并保存

    k=16;%提取的最大特征数为c-1=16
    u=u(1:k,:);
    u_mult_class=u;
    %保存提取的特征向量
    save('feature_LDA','u_mult_class','-append');  
    toc  

    完整代码如下:

    %LDA
    clear
    % 先使用二分类数据进行LDA
    load('2-Class Problem.mat');
    tic
    train_num1=size(Training_class1,2);
    train_num2=size(Training_class2,2);
    d=size(Training_class1,1);
    % 计算均值
    miu_1=mean(Training_class1,2);
    miu_2=mean(Training_class2,2);
    miu=(miu_1+miu_2)/2;
    % 计算类内离散度矩阵
    s_w1=(Training_class1-miu_1)*(Training_class1-miu_1)';
    s_w2=(Training_class2-miu_2)*(Training_class2-miu_2)';
    s_w=s_w1+s_w2;
    % 计算类间离散度矩阵
    s_b=(miu_1-miu_2)*(miu_1-miu_2)';
    % 计算特征值和特征向量
    [u,lamda]=eig(s_w\s_b);
    lamda=ones(1,d)*lamda;%eig函数生成的特征值转换成行向量
    % 将特征值和特征向量合成一个矩阵,第一列为特征值,从第二列开始为特征向量,特征向量按行排列
    lamda_u=[lamda;u];
    lamda_u=lamda_u';
    lamda_u=sortrows(lamda_u,1,'descend');%对特征向量按lamda大小进行降序排列
    lamda=lamda_u(:,1);%分离特征值
    u=lamda_u(:,2:end);%分离特征向量
    k=1;%提取的特征数为1,对于二分类问题,最大的投影维度为1维
    u=u(1:k,:);
    u_2_class=u;
    %保存提取的特征向量
    save('feature_LDA','u_2_class');  
    % 使用多分类数据进行LDA
    load('Mult-class Problem.mat');
    % 获取类别数
    class_nums=Label_training(end);
    % 训练数据量
    train_num=size(Training_data,2);  
    % 计算均值、类内离散度矩阵
    for i=1:class_nums
    miu_i(:,i)=mean(Training_data(:,Label_training==i),2);%均值
    %第i类类内离散度矩阵
    s=0;
    for j=1:train_num
        s=s+(Training_data(:,Label_training==i)-miu_i(:,i))*(Training_data(:,Label_training==i)-miu_i(:,i))';
    end
    s_w_i(:,:,i)=s;
    end
    miu=mean(miu_i,2);
    s_w=sum(s_w_i,3);
    % 计算类间离散度
    s_b=(miu_i-miu)*(miu_i-miu)';
    % 计算特征值和特征向量
    [u,lamda]=eig(inv(s_w)*s_b);
    lamda=ones(1,d)*lamda;%eig函数生成的特征值转换成行向量
    %将特征值和特征向量合成一个矩阵,第一列为特征值,从第二列开始为特征向量,特征向量按行排列
    lamda_u=[lamda;u];
    lamda_u=lamda_u';
    lamda_u=sortrows(lamda_u,1,'descend');%对特征向量按lamda大小进行降序排列
    lamda=lamda_u(:,1);%分离特征值
    u=lamda_u(:,2:end);%分离特征向量
    k=16;%提取的最大特征数为c-1=16
    u=u(1:k,:);
    u_mult_class=u;
    %保存提取的特征向量
    save('feature_LDA','u_mult_class','-append');  
    toc  

    程序运行结果:

    四、LDA的二分类测试

      下面,我们将测试使用LDA降维后的数据的分类效果。二分类测试数据和测试算法与PCA及以前的测试相同。先对数据利用LDA生成的变换矩阵进行降维,然后使用贝叶斯算法进行分类,观察正确率和程序运行时间。
    完整代码如下:

    %LDA性能测试--二分类,学习算法采用贝叶斯
    clear
    load('2-Class Problem.mat');
    load('feature_LDA')
    tic
    n1=size(Training_class1,2);
    n2=size(Training_class2,2);
    % 特征提取
    Training_class1_b=u_2_class*Training_class1;
    Training_class2_b=u_2_class*Training_class2;
    Testing_b=u_2_class*Testing;
    % 先验概率
    pw1=n1/(n1+n2);
    pw2=n2/(n1+n2);
    [miu1,sigma1]=ParamerEstimation(Training_class1_b);
    [miu2,sigma2]=ParamerEstimation(Training_class2_b);
    predict_label=0;
    [b,n]=size(Testing_b);
    for i=1:n
    x=Testing_b(:,i);
    pxw1=gaussian(miu1,sigma1,x);
    pxw2=gaussian(miu2,sigma2,x);
    if pw1*pxw1>pw2*pxw2
        predict_label(i)=1;
    else
        predict_label(i)=2;
    end
    end
    % 计算精度
    acc=sum(predict_label==Label_Testing)/n;
    toc
    fprintf('正确率是%.2f%%\n',acc*100);

    程序运行结果:

    二分类最终降到一维,也可以达到100%的正确分类,时间只用了0.01s

    五、多分类测试

      同二分类,先进行降维,然后进行贝叶斯多分类。使用的数据集也与之前的算法测试数据集一致
    完整代码如下:

%PCA主成分分析性能测试--多分类,学习算法采用贝叶斯
clear
load('Mult-class Problem.mat');
load('feature_LDA')
tic
% 特征提取
u=u_mult_class;
Training_data=u*Training_data;
Testing_data=u*Testing_data;
% 获取类别数
class_nums=Label_training(end);
% 获取数据集大小
test_nums=size(Testing_data,2);
train_nums=size(Training_data,2);    

Training_temp=0;
predict=0;

for class=1:class_nums
    [miu(:,class),sigma(:,:,class)]=ParamerEstimation(Training_data(:,Label_training==class));
    num=size(Training_data(:,Label_training==class),2);
    % 计算先验概率
    pw(class)=num/train_nums;
end
for i=1:test_nums
    for class=1:class_nums
        % 计算类的条件概率
        pxw(class)=gaussian(miu(:,class),sigma(:,:,class),Testing_data(:,i));
        % 计算判别式
        g_x(class)=log(pw(class))+log(pxw(class));
    end
    [~,argmax]=max(g_x);
    predict(i)=argmax;
    if mod(i,100) == 0
        acc=sum(predict==Label_testing(1:i))/(i);
        disp(['预测数据号:' num2str(i)])
        disp(['准确度是:' num2str(acc)])
    end
end
% 计算正确率         
acc=sum(predict==Label_testing)/(test_nums);
toc
disp(['总准确度是:' num2str(acc)])        

程序运行结果:

可以看到,由于使用了类别的标签信息,LDA降维后可以达到70%的正确率。况且只用了7s左右。

六、总结

  本篇文章介绍了LDA特征提取的方法和实现,并进行了二分类和多分类的测试,并与PCA进行了对比,LDA掩饰了PCA算法的不做,最终效果十分不错。至此,所有关于数据降维的内容已经介绍完毕。

声明:本文内容由易百纳平台入驻作者撰写,文章观点仅代表作者本人,不代表易百纳立场。如有内容侵权或者其他问题,请联系本站进行删除。
红包 101 12 评论 打赏
评论
2个
内容存在敏感词
手气红包
  • 代码小白 2023-04-27 09:45:18
    回复
    技术凯老师,你好,我想问下”load('Mult-class Problem.mat');“这里面的数据集内容是啥?代码里每一个名称里的数据类型和格式不太理解,能否告知?真的非常感谢
  • 真实的世界 2022-09-24 18:02:37
    回复
    大佬你好,能否把这个文章用到的数据集发我一下或者截个图也行,方便理解代码
相关专栏
置顶时间设置
结束时间
删除原因
  • 广告/SPAM
  • 恶意灌水
  • 违规内容
  • 文不对题
  • 重复发帖
打赏作者
易百纳技术社区
技术凯
您的支持将鼓励我继续创作!
打赏金额:
¥1易百纳技术社区
¥5易百纳技术社区
¥10易百纳技术社区
¥50易百纳技术社区
¥100易百纳技术社区
支付方式:
微信支付
支付宝支付
易百纳技术社区微信支付
易百纳技术社区
打赏成功!

感谢您的打赏,如若您也想被打赏,可前往 发表专栏 哦~

举报反馈

举报类型

  • 内容涉黄/赌/毒
  • 内容侵权/抄袭
  • 政治相关
  • 涉嫌广告
  • 侮辱谩骂
  • 其他

详细说明

审核成功

发布时间设置
发布时间:
是否关联周任务-专栏模块

审核失败

失败原因
备注
拼手气红包 红包规则
祝福语
恭喜发财,大吉大利!
红包金额
红包最小金额不能低于5元
红包数量
红包数量范围10~50个
余额支付
当前余额:
可前往问答、专栏板块获取收益 去获取
取 消 确 定

小包子的红包

恭喜发财,大吉大利

已领取20/40,共1.6元 红包规则

    易百纳技术社区