はじパタ6章前半
TRANSCRIPT
![Page 1: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/1.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 1
はじめてのパターン認識 6章 線形識別関数 前半(pp.71-82)
@tanimocchi
![Page 2: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/2.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 2
自己紹介 Twitter ID: @tanimocchi
(もっちぃ)
修士(数学)、博士(情報科学)
所属: タヒにかけ半導体
仕事: マーケティングなのか
ブランディングなのか?
統計解析とパターン認識・機械学習は必要! だと信じてる。
統数研公開講座に結構参加してますので、ご一緒の際は宜しくお願いします。
アンケート設計・分析に従事しつつ、新規市場開拓も
画像認識・センサ応用技術開発にも袖触れ合う程度に関係
![Page 3: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/3.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 3
4.2.2項のおさらい ベイズ誤り率最小識別規則:正規分布を仮定して
x
ΣμxΣμxx
xxx
ΣμΣμCΣΣS
xCx
xCSxxx
ii
iiiiii
jiij
jiijji
ij
ij
ji
g
CPg
ggf
Ff
Ff
CC
minarg
ln2ln
,
,,
02
02
,
1
1111
識別クラス
線形識別関数:
2次識別関数:
の識別境界クラス
分散・共分散行列
平均 事前確率
という形で表される。
、一般に線形識別関数は
0wf xwx
次元の超平面線形識別関数:
次元入力データ:
的意味線形識別関数の幾何学
1-d
d
![Page 4: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/4.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 4
6.1 線形識別関数の定義 目的 ・線形識別関数が2つのクラスを超平面で区分 ・多クラス問題への拡張
![Page 5: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/5.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 5
6.1.1 超平面の方程式 [1/7]
となる。従って識別境界は、
識別クラス
、識別規則は を識別境界とすると
:バイアス項
:係数ベクトル
次元入力ベクトル:
の線形識別関数:クラス問題
0
0
0
0
0
,,
d,,
,2
000
2
1
0
1
1
021
w
w
d
d
f
wwwf
fC
fC
f
w
ww
xx
wfCC
xnx
xnw
xw
w
wx
w
wxwx
x
x
x
w
x
xwx
ww
wn 0,
ww
![Page 6: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/6.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 6
6.1.1 超平面の方程式 [2/7]
0
wf xnx超平面:
:法線ベクトルn
位置ベクトル
:超平面上の任意の点P
原点 0
Pn
PnPP
w
wf が成立。に対して、位置ベクトル 0
ルは直線①の法線ベクト
直線②より、直線①
直線②:
直線①:
b
a
y
x
b
a
y
x
b
a
cy
x
b
a
//
0
0
0xf 0xf
![Page 7: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/7.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 7
6.1.1 超平面の方程式 [3/7]
0
wf xnx超平面:
n
P
原点 0
x
Px
0 PxnPnxnxPn fw より、
Pxn 幾何学的には、
0xf 0xf
![Page 8: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/8.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 8
6.1.1 超平面の方程式 [4/7]
0
wf xnx超平面:
n
P
原点 0
x
は単位法線ベクトル nP
PnPn
cos
cos
w
w
原点から超平面への距離 正規化されたバイアス
0xf 0xf
![Page 9: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/9.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 9
6.1.1 超平面の方程式 [5/7]
0
wf xnx超平面:
n
0xf 0xf
P
原点 0
'x
w
1'
0'''
C
f ww
x
xnxxn
![Page 10: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/10.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 10
6.1.1 超平面の方程式 [6/7]
0
wf xnx超平面:
n
0xf 0xf
P
原点 0''x
w
2''
0''''''
C
f ww
x
xnxxn
![Page 11: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/11.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 11
6.1.1 超平面の方程式 [7/7]
ことを確かめよ。
のように表現できるを用いて、識別境界がルを求め、適当なベクト
の直線の法線ベクトルで表されるとする。こ 識別境界が直線例題
0
226.1
PxnP
xy
として表現できた。を 即ち、
すると、を直線上の任意の点と
より、法線ベクトル
は直交。とより、解答
022
0225
122
5
1
25
1
5
1
5
2
02b2
5
1
5
2512
12021
202y2
22
Pxn
Pxn
P
w
wnw
wx
xy
yxbayx
byaxby
ax
aba
yxy
xx
![Page 12: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/12.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 12
6.1.2 多クラス問題への拡張 [1/9]
K(>2)クラスの識別関数の作り方
・一対多(one-versus-the-rest)
・一対一(one-versus-one)
・最大識別関数法
識別不能領域 (空白クラス)発生
解消!
![Page 13: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/13.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 13
6.1.2 多クラス問題への拡張 [2/9]
0;
0;
1,,1
21-K
識別クラス
を用意 線形識別関数
クラス個のてのクラスを識別する一つのクラスと他の全
x
x
x
j
j
K
j
j
fKj
fj
C
C
Kjf
(1) 一対多
クラス2
クラス3
クラス1
01 xf
02 xf
01 xf 02 xf
00 21 xx ff
00 21 xx ff ←空白領域(1か2か識別不能)
![Page 14: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/14.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 14
6.1.2 多クラス問題への拡張 [3/9]
jvote
fKljfjijvote
KKKjif
KKCji
j
jlij
ij
K
maxarg
0|#0|1#
:
211
2212
識別クラス
識別クラスを決定
で個の識別関数の多数決を用意し、
クラス線形識別関数個のを識別するとクラス
xx
x
(2) 一対一 [1/2]
に投票
に投票
多数決投票ルール:
jf
if
ij
ij
0
0
x
x
クラス3
クラス2 クラス1
013 xf
012 xf
evenvotevotevote
fff
voteff
voteff
voteff
空白領域:
:クラス
:クラス
:クラス
13,11,12
000
23003
22002
21001
231312
2313
2312
1312
xxx
xx
xx
xx
023 xf
![Page 15: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/15.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 15
6.1.2 多クラス問題への拡張 [4/9]
能性ありない票が投票される可 仕方に依っては関係
義の別クラスの判定法の定個が無関係であり、識②
がとれないより、多数決で過半数①
ある手法である。従って、下記の懸念が
個の
に対しては、タ 1つ固定した入力デー 例
個の個数に直接関連したクラス 入力データのクラス
個 識別関数の個数
を識別する場合個手書き文字
36
95.22245
9,,,,,,,,
3 )
9
45
,90, ex.10
393837363534231303
210
fffffffff
C
(2) 一対一 [2/2]
![Page 16: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/16.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 16
6.1.2 多クラス問題への拡張 [5/9] (3) 最大識別関数法 [1/5]
に一致。ラスの場合の識別境界この識別境界は、2ク
よりの識別境界は、とクラス
識別クラス
一意性?義 を識別クラスとして定識別関数を最大とする
0
maxargmaxarg
00
00
00
0
jiji
jiji
jjiijiij
ji
jjj
jj
j
ww
ww
wwfff
ffji
wf
C
xww
xww
xwxwxxx
xx
xwx
以下、最大識別法にて、K(>2)個の線形識別関数で、 K個のクラス(領域)に必ず分割可能である事を示す。
![Page 17: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/17.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 17
6.1.2 多クラス問題への拡張 [6/9] (3) 最大識別関数法 [2/5]
は凸でない。となり、 即ち、
穴に属する点が存在。点を結ぶ直線上には、 をとると、
点ると、その穴を跨ぐ2に穴が開いているとす
は凸でない」を示す。が単連結でない 対偶、即ち「証明
穴の開いていない領域は単連結が凸補題:
」「
が凸定義:領域
RR
RR
RR
RR
RR
R
21
21
2121
1;10
2
,
1*,10;,
xx
xx
xxxxx
![Page 18: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/18.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 18
6.1.2 多クラス問題への拡張 [7/9] (3) 最大識別関数法 [3/5]
は凸。となり クラス
数の線形性とから、 とすると、識別関
をとり、と さて、任意に
の定義から、とすると、識別クラスクラス
事のみ示せば良い。 補題から、凸である証明
める領域は単連結で凸命題1:各クラスの占
RReiRif
ijforffff
ffff
R
ffijR
iR
kk
jjjj
iiii
ji
*.,.*maxarg
*11
11*
1*10,
,,
2121
2121
2121
xx
xxxxx
xxxxx
xxxxx
xxx
![Page 19: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/19.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 19
6.1.2 多クラス問題への拡張 [8/9] (3) 最大識別関数法 [4/5]
するからである。空白クラスが現れ矛盾何れかが判別できない
とすると、2つの何故なら、一意でないである事が示される。
スの定義が一意別関数法での識別クラ上記命題から、最大識
矛盾。として識別されるためラス 空白エリアは、ク
となり、、は線形関数であるためと 然るに、
ルを持つ。にて同一の法線ベクトは、と 即ち、
が存在したとすると、次元の空白エリア
背理法にて示す。証明
エリアなし識別境界を除いて空白法命題2:最大識別関数
ji
ffff
Aff
ffAjifAji
Ad
jiji
ji
jiij
xxxxx ,;,0,;,
![Page 20: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/20.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 20
6.1.2 多クラス問題への拡張 [9/9] (3) 最大識別関数法 [5/5]
れる。個の領域に必ず分割さ個の識別関数で、 従って、
命題2の主張に矛盾。来た事となり、これは の空白エリアが出
個とすると、個の領域に分割されたなる 今仮に、
。個の領域に分割される高々飛び地はできないので ため、
各クラスは凸である個であり、命題1から 識別関数は証明
れる個の領域に必ず分割さ個の識別関数で、
法命題3:最大識別関数
kk
k)(
k
kk
lklkl
![Page 21: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/21.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 21
6.2 最小2乗誤差基準に よるパラメータの推定 目的 ・最小2乗誤差基準による線形識別関数の パラメータが正規方程式により得られる事 ・多クラス問題への拡張
![Page 22: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/22.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 22
6.2.1 正規方程式 [1/7]
:教師ベクトル
:データ行列
を以下とする。と教師ベクトルとし、データ行列また、学習数を
のとする。のように与えられるも
により、教師入力が所属するクラスは、さて、入力ベクトル
トル 番目の学習用入力べク:
先変数:入力ベクトルの代入
:バイアス項:係数ベクトル、
線形識別関数
N
N
i
i
i
ii
iidii
d
d
dd
tt
N
C
Ct
t
xixx
xx
wwww
xwxwwf
,,
,,
1
1
1,,,1
,,,1
,,,
1
1
2
1
01
1
010
110
t
xxX
tX
x
x
x
x
x
w
xwx
![Page 23: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/23.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 23
6.2.1 正規方程式 [2/7]
より、スカラスカラ
乗誤差とすると教師入力の差のを識別関数の出力値と評価関数
tXwXwtXwXwXwttt
XwXwtXwXwttt
XwtXwt
XwtXwt
xw
xw
xw
xw
xw
xw
xwxw
w
2
2
22
11
22
11
1
2
1
2
NNNN
N
i
ii
N
i
ii
t
t
t
t
t
t
tftE
E
NNddN
dd
dNdNN
d
dNd
N
xwxww
xwxww
w
w
xxx
xxx
w
w
w
w
xw
xw
x
x
xxXw
1
110
11110
0
21
11211
010
1
1
1
,,
![Page 24: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/24.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 24
6.2.1 正規方程式 [3/7]
。ハット行列と呼ばれる
、に変換する行列でありを予測値は、教師データ行列
となる。
は、測値学習データに対する予
:正規方程式
の最小を与えるになるパラメータがでの微分が故に、
は下に凸な関数評価関数
ttXXXX
tXXXXwXt
t
tXXXw
tXXwXXwXtXw
w
ww
XwXwXwtttw
ˆ
ˆˆ
ˆ
ˆ
022
0
2
1
1
1
E
E
E
tX
w
wtX
w
Xwt
XttXwxtXaax
xa
BXXXXBXwXw
XwXw
wxXXBxBBx
Bxx
からとおくと、で、 公式
とおくと、で、 公式
,
2
,
の存在を保証可能。
とできで、入力ベクトルの与え方
:正方行列
より
1
1
1,1
,1,1,
XX
XX
XX
dN
ddM
NdMdNM
![Page 25: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/25.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 25
6.2.1 正規方程式 [4/7]
となる等高線を描け。 が
平面内に識別関数値も変数と考え、に固定せず、への入力をバイアス項
平面に図示せよ。識別関数をを求めよ。
いに答えよ。としたとき、下記の問
をとする。学習データ対 識別関数を例題
6,0,6
,1 (3)
,1, (2)ˆ (1)
2,1,
,1,1,,16.2
1000
11
212
11111010
xxxw
xfx
xt
xtxwwxxf
w
2
3
1
1
11
12
1
1
21
11
23
35ˆ
23
35
53
32
21
11
21
11
21
11
1
1
21
11 )1(
1
1
2
1
210
110
tXXXw
XXXXX
tX
、、
、教師ベクトルデータ行列
解答
t
t
xx
xx
![Page 26: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/26.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 26
6.2.1 正規方程式 [5/7]
となる等高線を描け。 が
平面内に識別関数値も変数と考え、に固定せず、への入力をバイアス項
平面に図示せよ。識別関数をを求めよ。
いに答えよ。としたとき、下記の問
をとする。学習データ対 識別関数を例題
6,0,6
,1 (3)
,1, (2)ˆ (1)
2,1,
,1,1,,16.2
1000
11
212
11111010
xxxw
xfx
xt
xtxwwxxf
w
1
1
1
231
2,3
2,3ˆ,,1,ˆ (2)
xx
fy
xf
x
wxxwx
より識別関数
解答
1,1 xfy
0f
0f
が識別境界5.11 x
y
x
![Page 27: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/27.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 27
6.2.1 正規方程式 [6/7]
となる等高線を描け。 が
平面内に識別関数値も変数と考え、に固定せず、への入力をバイアス項
平面に図示せよ。識別関数をを求めよ。
いに答えよ。としたとき、下記の問
をとする。学習データ対 識別関数を例題
6,0,6
,1 (3)
,1, (2)ˆ (1)
2,1,
,1,1,,16.2
1000
11
212
11111010
xxxw
xfx
xt
xtxwwxxf
w
10
1
0
10
232,3
2,3ˆ,,,ˆ (3)
xxx
xfy
xxf
x
wxxwx
より識別関数
解答
0, 10 xxf
1x
0x
法線ベクトル2
2
6, 10 xxf
6, 10 xxf
10 x
標準座標系での識別境界
10 xが現れる平面
標系同次座標系内の標準座
標準座標系 同次座標系
![Page 28: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/28.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 28
6.2.1 正規方程式 [7/7] 示せ。は必ず原点を通る事をば、識別境界 同次座標表現によれ例題 06.3 xf
なる。 は識別境界上の点と
より、。識別境界は、 のように表現される
は、識別関数は解答 同次座標表現で
0,0,
0
23
10
10
xx
f
xxf
x
x
x
。を線形識別関数とするを用いて、
表現ので、以降、同時座標平面として表現可能な
点を通るは、同次座標系では原に依らず
アス項平面で表現され、バイバイアスは
xwx
x
f
f
x
0
10
![Page 29: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/29.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 29
6.2.2 多クラス問題への拡張 [1/4]
を求める。乗誤差を与えるこの前提で、最小
個の学習データ:
個の教師ベクトル:
個のベクトル:要素数
それ以外
番目のクラスに属する番目の学習入力が
:教師ベクトル
:識別関数
K
N
N
i
ik
iNii
kk
N
N
K
kit
tstt
Kkf
wwW
xxX
ttT
t
t
xwx
,,ˆ2
,,
,,
0,,1,,0
0
1
..,,
,,1
1
1
1
1
![Page 30: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/30.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 30
6.2.2 多クラス問題への拡張 [2/4]
K
k
kkkkkk
K
k
kkkk
K
k
NkNk
kk
kk
NkNk
kk
kk
K
k
N
i
ikik
K
k
N
i
ikik
t
t
t
t
t
t
tftE
E
1
1
1
22
11
22
11
1 1
2
1 1
2
2
2
XwXwXwttt
XwtXwt
xw
xw
xw
xw
xw
xw
xwxw
w
乗誤差とすると教師入力の差のを識別関数の出力値と評価関数
![Page 31: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/31.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 31
6.2.2 多クラス問題への拡張 [3/4]
xWxwwx
w
w
xwxwxxxf
TXXXW
TXXWX
tXXwX
XwXtXw
w
wwXwXwXwtttw
ˆ,,,,,,
2ˆ
0
,,10
,,1022
,,2
1
1
11
1
1
1
K
K
KK
jj
jj
j
K
K
k
kkkkkk
ff
Kj
KjE
E
識別関数
ラメータ乗誤差を最小にするパ
で偏微分を、評価関数
![Page 32: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/32.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 32
6.2.2 多クラス問題への拡張 [4/4]
行かない!!
だと上手く並んでいるような分布のクラスが一直線上に
かない場合あり!上手く行く場合と、行
識別クラス
識別規則
2
maxarg
K
f jj
x
![Page 33: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/33.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 33
6.3 線形判別分析 ・線形識別関数:
・最小2乗誤差法:教師データに忠実になるよう fを求めた ・線形判別分析:1-dimに写像したとき、クラス 間の分布が出来るだけ重ならないようにする 重なりの少ない写像を実現するベクトルw
を見つける事が大事!
上のスカラ関数ベクトル次元ベクトル wd
xwxxf w
0w
![Page 34: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/34.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 34
6.3.1 フィッシャーの線形判別関数 [1/9]
2121
22
11
21
1
,2
μμw
μwμ
xμ
xw
mm
m
N
y
CN
CN
CC
kkk
Ci
i
k
k
i
る、クラス分離が良くな平均の差が大きいほど
写像:
平均ベクトル:
線形変換 線形識別関数
向け学習データ数:
向け学習データ数:
問題クラス
0w
w
![Page 35: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/35.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 35
6.3.1 フィッシャーの線形判別関数 [2/9]
シャーの基準という。を見つける事をフィッを最大にする
内変動の比クラス間変動とクラス
全クラス内変動はクラスしかないので、
次元に写像後の分散クラス内変動
乗平均の差のクラス間変動
w
w
xw
2
2
2
1
2
21
2
2
2
1
22
2
21
2
1:
2:
SS
mmJ
SS
ymyS
mm
ii
Ci
kik
i
![Page 36: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/36.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 36
6.3.1 フィッシャーの線形判別関数 [3/9]
より、対称行列
変動行列学習データのクラス間:線形変換される前の
スカラスカラ
乗平均の差のクラス間変動
2121
2121
2121
2
21
2
21
2:
μμμμS
S
wSw
wμμμμw
μμwμμw
μμw
B
B
B
mm
![Page 37: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/37.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 37
6.3.1 フィッシャーの線形判別関数 [4/9]
wSwwSSwwSwwSw
SS
wSw
xAAxAxAwμxμxw
xxxwμxμxw
wμxμxw
μxwμxw
μxw
w
wk
k
Ci
kiki
Ci
kiki
Ci
kiki
Ci
kiki
Ci
ki
Ci
kik
SS
yyyy
myS
i
i
i
i
ii
2121
2
2
2
1
2121
2121
222
,
1:
は対称行列構成の仕方から全クラス変動
スカラスカラ
次元に写像後の分散クラス内変動
![Page 38: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/38.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 38
6.3.1 フィッシャーの線形判別関数 [5/9]
wSwS
wSSwSSSSw
wSSw
wSSwwSwwSw
wSwwSwwSw
wSw
wSwS
w
wSw
wSww
wB
wBwBwBwB
wBwB
wB
w
B
wB
w
BJ
、を未定乗数と見立てて
問題の解は、次の一般化固有値これを最大にする解
フィッシャーの基準は
02
0
も対称行列は対称行列より、 wBwB SSSS ,
![Page 39: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/39.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 39
6.3.1 フィッシャーの線形判別関数 [6/9]
来ない。で、直接求める事が出が消去されてしまうのの項で
ーの基準では、イアス項。フィッシャが識別境界を与えるバであり、
、さて、線形識別関数は
となる。による最適ながフィッシャーの基準
より、
はスカラ内積
通常の固有値問題
とすると
0
2121
0
0
21
11
21212121
1
w
mm
w
wf
dGL
wBw
B
Bw
w
μμw
xwx
w
μμSwSSw
wμμμμwμμμμwS
wwSS
S
0w
w
![Page 40: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/40.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 40
6.3.1 フィッシャーの線形判別関数 [7/9]
違いのみとなる。
動行列は比例乗数の全クラスのクラス内変となり、共分散行列と
より、
関数と仮定。すると、を持つ多次元正規分布
散行例の値に依らず同じ共分
が、率に、クラス条件付き確を算出可能とするため
wpool
i
i
N
j
ijij
i
i
pool
k
NNNN
N
NN
N
iNN
N
NCP
N
NCP
CPCP
k
kCPw
i
SSS
SSΣ
SμxμxΣ
ΣΣΣ
x
111
2,111
,
2,1
212
2
21
1
1
1
22
11
2211
0
0w
w
![Page 41: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/41.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 41
6.3.1 フィッシャーの線形判別関数 [8/9]
線形変換に一致。最小識別規則で求めたとなり、ベイズ誤り率
は対称行列
とすると、
にてルにて定義されたベクト
となる。
のみ重要定数倍を無視した向きはよる最適解フィッシャーの基準に
poolijpoolijpool
poolijiijj
poolji
iijj
pool
poolw N
ΣμμΣμμΣc
ΣμμΣμΣμc
ΣΣΣ
ΣμΣμc
μμΣw
w
μμΣμμSw
11
111
11
21
1
21
1
21
1
32.4
0w
w
![Page 42: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/42.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 42
6.3.1 フィッシャーの線形判別関数 [9/9]
0w
w
とすれば良い。への射影をのとなるような
ように
にある章、即ち、じになる点を従って、事後確率が同
正規分布正規分布の線形変換は 正規分布で近似可能
元の射影は、それぞれ一次に属するデータのへのため、
関数に従うと仮定したを持つ多次元正規分布共分散行例
の値に依らず同じは、クラス条件付き確率
0
2211
0 p.263
2,1
w
CPCPCPCP
w
C
kkCP
k
pool
k
wx
xx
Σ
x
![Page 43: はじパタ6章前半](https://reader036.vdocuments.site/reader036/viewer/2022081801/558b3ef2d8b42a0b058b4774/html5/thumbnails/43.jpg)
9/17/2013 6th #はじパタ #ピンクの薄い本 43
Thanks a lot!