"ফিশারের বৈষম্যমূলক বিশ্লেষণ" কেবল 2 ক্লাসের পরিস্থিতিতে এলডিএ । যখন হাতে মাত্র 2 টি শ্রেণি গণনা সম্ভব হয় এবং বিশ্লেষণ সরাসরি একাধিক রিগ্রেশন সম্পর্কিত হয়। এলডিএ হ'ল ফিশারের ধারণার যে কোনও শ্রেণীর সংখ্যার পরিস্থিতি সম্পর্কে সরাসরি সম্প্রসারণ এবং এটি গণনা করতে ম্যাট্রিক্স বীজগণিত ডিভাইস (যেমন আইজেন্ডেকম্পোজেশন) ব্যবহার করে। সুতরাং, "ফিশারের বৈষম্যমূলক বিশ্লেষণ" শব্দটি আজ অপ্রচলিত হিসাবে দেখা যেতে পারে। পরিবর্তে "লিনিয়ার বৈষম্য বিশ্লেষণ" ব্যবহার করা উচিত। এছাড়াও দেখুন । 2+ শ্রেণীর (বহু-বর্গ) সঙ্গে Discriminant বিশ্লেষণ ক্যানোনিকাল তার আলগোরিদিম দ্বারা (ক্যানোনিকাল variates যেমন নির্যাস dicriminants); বিরল শব্দ "বিবিধ বৈষম্য বিশ্লেষণ"
ফিশার বৈষম্যমূলক কার্যটি গণনার পরে বস্তুগুলিকে শ্রেণিবদ্ধ করার জন্য "ফিশার শ্রেণিবদ্ধকরণ ফাংশন" নামে ডাকা হত। আজকাল, এলডিএ পদ্ধতির মধ্যে অবজেক্টগুলিকে শ্রেণিবদ্ধ করার জন্য আরও সাধারণ বায়েসের পদ্ধতির ব্যবহার করা হয়।
: Lda বিভাগ এর ব্যাখ্যা জন্য আপনার অনুরোধ আমি এই আমার উত্তর আপনার পাঠাতে পারে Lda বিভাগ মধ্যে নিষ্কাশন , Lda বিভাগ মধ্যে শ্রেণীবিন্যাস , সংশ্লিষ্ট পদ্ধতি মধ্যে Lda বিভাগ । এছাড়াও এই , এই , এই প্রশ্ন এবং উত্তর।
আনোভা যেমন সমান বৈকল্পিকের অনুমানের প্রয়োজন, তেমনি এলডিএর জন্য সমান বৈচিত্র্য-কোভারিয়েন্স ম্যাট্রিকেস (ইনপুট ভেরিয়েবলের মধ্যে) শ্রেণীর অনুমান প্রয়োজন। এই ধারণাটি বিশ্লেষণের শ্রেণিবিন্যাসের পর্যায়ে গুরুত্বপূর্ণ। যদি ম্যাট্রিকগুলি যথেষ্ট পরিমাণে পৃথক হয় তবে পর্যবেক্ষণগুলি ক্লাসে নির্ধারিত হবে যেখানে পরিবর্তনশীলতা বেশি। সমস্যা কাটিয়ে উঠতে কিউডিএ আবিষ্কার হয়েছিল in কিউডিএ হ'ল এলডিএর একটি পরিবর্তন যা ক্লাসের 'কোভারিয়েন্স ম্যাট্রিক্সের উপরের বৈপরীত্যের জন্য অনুমতি দেয়।
আপনার যদি ভিন্ন ভিন্নতা রয়েছে (যেমন বক্সের এম টেস্ট দ্বারা সনাক্ত করা হয়েছে) এবং আপনার কাছে কিডিএ না রয়েছে, আপনি এখনও শ্রেণিবদ্ধকরণে বৈষম্যমূলক ব্যক্তিদের পৃথক কোভরিয়েন্স ম্যাট্রিক্সের (পোল্ড ম্যাট্রিক্সের পরিবর্তে) ব্যবহারের শাসনে এলডিএ ব্যবহার করতে পারেন । এটি আংশিকভাবে সমস্যাটি সমাধান করে, যদিও কিউডিএর তুলনায় কম কার্যকরভাবে, কারণ - যেমনটি ঠিক উল্লেখ করা হয়েছে - এগুলি বৈষম্যমূলকদের মধ্যে ম্যাট্রিক এবং মূল ভেরিয়েবলগুলির মধ্যে নয় (যা ম্যাট্রিকগুলি পৃথক হয়)।
আমাকে আপনার নিজের উদাহরণ ডেটা বিশ্লেষণ করতে ছেড়ে দিন।
উত্তর দিন @ zyxue এর উত্তর এবং মন্তব্য
এলডিএ হ'ল আপনি যা সংজ্ঞা দিয়েছেন তা এফডিএ আপনার উত্তরে রয়েছে। এলডিএ প্রথমে লিনিয়ার কন্সট্রাক্টসগুলি (বৈষম্যবাদী বলা হয়) উত্তোলন করে যা বিচ্ছিন্নকরণের মধ্যে মধ্যে সর্বাধিক করে তোলে এবং তারপরে (গাউসিয়ান) শ্রেণিবিন্যাস সম্পাদন করতে ব্যবহার করে। যদি (যেমন আপনি বলছেন) বৈষম্যমূলকদের উত্তোলনের জন্য এলডিএর সাথে বাঁধা না থাকলে এলডিএ কেবল গাউস শ্রেণিবদ্ধ হিসাবে উপস্থিত হবে, কোনও নামেই "এলডিএ" লাগবে না।
এটি সেই শ্রেণিবিন্যাসের পর্যায়ে যেখানে এলডিএ ক্লাসগুলির স্বাভাবিকতা এবং বৈচিত্র্য-কোভেরিয়েন্স উভয়ই গ্রহণ করে । নিষ্কাশন বা Lda বিভাগ এর "dimensionality কমানো" পর্যায় অনুমান রৈখিকতা এবং ভ্যারিয়েন্স-সহভেদাংক সমসত্ত্বতা , দুই অনুমানের একসঙ্গে "রৈখিক বিচ্ছেদযোগ্যতা" করে সম্ভবপর। (আমরা বৈষম্য তৈরি করতে সিঙ্গেল ম্যাট্রিক্স ব্যবহার করি যার ফলে কোভেরিয়েন্স ম্যাট্রিক্সের মধ্যে পরিচয় , যা আমাদেরকে সমস্ত শ্রেণিতে শ্রেণিবদ্ধ করার জন্য একই ধরণের বৈষম্যমূলক প্রয়োগের অধিকার দেয়। যদি সমস্ত একইরকম থাকে তবে শ্রেণি covariances সব একই, পরিচয়; তাদের ব্যবহার করার অধিকার নিখুঁত হয়ে যায়।)এসWএসW
গাউসিয়ান শ্রেণিবদ্ধকারী (এলডিএর দ্বিতীয় পর্যায়ে) বৈষম্যকারীদের দ্বারা শ্রেণিগুলিতে পর্যবেক্ষণ দেওয়ার জন্য বেয়েস বিধি ব্যবহার করে। একই ফলাফলটি তথাকথিত ফিশার লিনিয়ার শ্রেণিবদ্ধকরণ ফাংশনগুলির মাধ্যমে সম্পন্ন করা যায় যা মূল বৈশিষ্ট্যগুলি সরাসরি ব্যবহার করে। তবে বৈষম্যমূলক ভিত্তিক বায়েসের দৃষ্টিভঙ্গি কিছুটা সাধারণ যে এটি একটি পৃথক শ্রেণীর বৈষম্যমূলক সমবায় ম্যাট্রিকগুলিও ব্যবহার করতে দেয়, একটি পুল ব্যবহারযোগ্য ডিফল্ট পদ্ধতি ছাড়াও। এছাড়াও, এটি বৈষম্যকারীদের একটি উপসেটের ভিত্তিতে শ্রেণিবদ্ধকরণের অনুমতি দেবে।
যখন মাত্র দুটি শ্রেণি থাকে, তখন এলডিএর উভয় স্তরের একক পাসে একসাথে বর্ণনা করা যায় কারণ "ল্যাটেন্টস এক্সট্রাকশন" এবং "পর্যবেক্ষণের শ্রেণিবিন্যাস" একই কাজের ক্ষেত্রে হ্রাস করে।
সাবপ্লটগুলিতে কিছু মন্তব্য :