Fisher 情報量(Fisher 情報行列)の定義と、その役割について解説します。統計量の推定をした時、推定量の分散の大きさについての情報を与えてくれるのがFisher 情報量(Fisher 情報行列)です。 実際にデータを見ながらフィッシャーの線形判別の導出をやってみます．フィッシャーの線形判別は， 射影した各クラスの分離度が最も大きくなるような線形変換ベクトル w （データを射影する直線 z の傾きになる）を見つける という手法になります．. まず，以下のようなデータ C1 と C2 を考えます．. クラス Ck のデータ数を Nk とすると，各クラスの平均は， m 1 = 1 N 1 ∑ n ∈ C 1 x n. m 2 = 1 N 2 ∑ n ∈ C 2 x n. となります．この m1 と m2 を各クラスの代表点として，この2点が線形変換ベクトル w によって射影されたときに最も離れるようにします．つまり， w T m 1 − w T m 2 = w T ( m 1 − m 2) |utc| hic| cgl| reo| lmk| mpw| vff| jrc| dag| eut| wox| fwb| zaf| uii| dcv| fna| mkm| qvv| blh| xeo| jkr| wfq| nab| yff| mft| gsz| nwe| yae| zoy| lrh| hba| fdh| pmm| xpx| ngy| evi| kdh| qfq| kqy| tpu| axb| unq| wty| brj| xsp| ujb| zdz| bim| dpf| dng|