Linear Classification - 1
2021-1ํ๊ธฐ, ๋ํ์์ โํต๊ณ์ ๋ฐ์ดํฐ๋ง์ด๋โ ์์ ์ ๋ฃ๊ณ ๊ณต๋ถํ ๋ฐ๋ฅผ ์ ๋ฆฌํ ๊ธ์ ๋๋ค. ์ง์ ์ ์ธ์ ๋ ํ์์ ๋๋ค :)
Classficiation by Linear RegressionPermalink
Binary ClassificationPermalink
Assume that
For some estimator
์ด๋,
์ด๋ จ ํํ์ ๊ฐ Class์ ๋ํ posterior probability๋ฅผ ๊ณ์ฐํด Classify๋ฅผ ์งํํ๋ ๋ชจ๋ธ์ <Bayes Classifier>๋ผ๊ณ ํต์นญํ๋ค.
Multi-class ClassificationPermalink
Assume that
Let
(deriven from RSS estimator!)
์ด๋ ๊ฒ ๋๋ค๋ฉด inference์์๋, For
where
์ด๋, ๊ฐ
Problem.
(์ถํ์ ๊ธฐ์ )
Probabilistic ModelPermalink
์์ ๋ ๊ฒฝ์ฐ์์ ์ดํด๋ดค๋ฏ, Linear Regression์ ์ํ ์ ๊ทผ์ ๊ฒฐ๊ตญ ์๋์ ์กฐ๊ฑด๋ถ ํ๋ฅ ์ estimate ํ๋ ์ ๊ทผ์ด์๋ค.
์ด๋, ์ด ์กฐ๊ฑด๋ถ ํ๋ฅ ์ posterior probability๋ก <๋ฒ ์ด์ฆ ์ ๋ฆฌ>์ ์ํด ์๋์ ๊ฐ๋ค.
์ด๋, ์ฐ๋ณ์ ๊ฐ ํญ๋ชฉ๋ค์ ์ดํด๋ณด๋ฉด
: the <class probability> of class ; prior probability
: the <class-conditional density> of in class
๋ง์ฝ ์ฐ๋ฆฌ๊ฐ
Linear Discriminant AnalysisPermalink
LDA๋
์ด๋, ๋ง์ฝ ๊ฐ
๋ผ๋ ์์ฃผ์์ฃผ ํน๋ณํ ๊ฐ์ ์ด ์ถ๊ฐ๋ ๊ฒ์ด <LDA; Linear Discriminant Analysis>๋ค! ๐
์์ ๊ฐ์ด ์ค์ ํ์ ๋์ <decision boundary>๋ฅผ ์๊ฐํด๋ณด์.
boundary์ ๋ํ ์์ ์์ ์ ์ ๋ฆฌํด๋ณด๋ฉด,
์ผ๋ถ ์คํ ์ ๊ณผ์ ์ ์๋ตํ๊ณ ๊ฒฐ๊ณผ๋ง ๋ฐ๋ก ์ ์๋๋ฐ, ์์ธํ ๊ณผ์ ์ ์๋์ ํผ์ณ๋ณด๊ธฐ์ ๊ธฐ์ ํด๋๊ฒ ๋ค.
ํผ์ณ๋ณด๊ธฐ
(์ถํ ๊ธฐ์ )
์์ ์คํ
์ ๋ง์ง๋ง์

Classification.
์ด์ LDA๋ฅผ ์ด์ฉํด classification์ ์ด๋ป๊ฒ ์ํํ๋์ง ๋ ผํด๋ณด์.
๋จผ์
์ด๋,
๊ฐ์ฅ ํฐ discriminant function
Parameter Estimation.
์์ง ์ฐ๋ฆฌ๋
Let
ํผ์ณ๋ณด๊ธฐ
1.
2.
Quadratic Discriminant AnalysisPermalink
LDA์์๋ ๊ฐ class
LDA์์์

(๋ ์ค ํ๋๋ QDA๋ฅผ, ๋ค๋ฅธ ํ๋๋
์ด์ด์ง๋ ํฌ์คํธ์์๋ <Logistic Regression>์ ๋ํด ๋ค๋ฃฌ๋ค. ์ข๋ ์ต์ํ ์ฉ์ด๋ฅผ ์ฐ์๋ฉด, <MLE; Maximum Likelihood Estimation>์ ๋ํด ๋ค๋ฃฌ๋ค๋ ๋ง์ด๋ค!
๐ Linear Classification - 2
-
๊ฐ์กฐํ์ง๋ง, ๋ฐ๋์ ์ด๋ ๊ฒ ๋ชจ๋ธ๋งํ ์ ์๋ ๊ฑด ์๋๋ค.
์ ๋ถํฌ๊ฐ ๋ฅผ ๋ฐ๋ฅธ๋ค๊ณ โ๊ฐ์ โํ์ ๋ฟ์ด๋ค! ์ค์ ์ ๋ถํฌ๋ ๋ค๋ฅผ ๊ฐ๋ฅ์ฑ์ด ํฌ๋ค! โฉ