新闻详情

新闻详情

首页 / 资讯中心 / 详情

【Python机器学习】零基础掌握小样本分类中 LDA 与 QDA 的选型思路

发布时间:2026/11/16 10:11:22来源:尧图网络
【Python机器学习】零基础掌握小样本分类中 LDA 与 QDA 的选型思路
样本很少时,分类边界越灵活越好吗?假如每类只有几十条训练记录,QDA 允许两类拥有不同的协方差结构,但估计的参数也更多。仅凭训练集上的一条漂亮曲线,不能判断它是否比 LDA 更适合未来数据。本文用两组二维模拟数据演示选型:一组让两类共享协方差,另一组故意让协方差不同。先在训练集做相同划分的重复交叉验证,再依据事先声明的简化规则选模型,最后只看一次留出测试集。模拟结果用于说明判断过程,不是 LDA 或 QDA 的通用排名。文章目录小样本分类首先要检查哪些条件LDA 与 QDA 的关键假设有什么不同何时选择线性边界或二次边界用两种协方差情形进行对照实验结果不稳定时如何排查与调整总结小样本分类首先要检查哪些条件在考虑算法名称前,先问每一类究竟有多少训练样本、特征维数是多少、不同类的形状是否明显不同。本文每种情形总共只使用 120 条训练记录,二分类各 60 条,另有 780 条独立测试记录。二维设置是为了看清边界,并不代表真实问题只有两个特征。检查项为什么重要可能采取的动作每类样本数QDA 需要分别估计每类协方差;样本过少时估计容易波动。分层划分,报告每类数量;必要时简化边界或考虑正则化。特征维数与相关性维数接近类内样本数,协方差可能接近奇异。先排查冗余特征;不要只凭训练准确率选择 QDA。类别分布形态LDA 和 QDA 都建立在类条件分布及协方差假设之上。用分布图和验证分数检查近似是否可用,而不是机械套用正态假设。数据划分方式同一主体的重复记录若跨训练和验证,分数可能虚高。真实项目按主体或时间重新设计验证,不照搬本例随机划分。本例以平衡准确率作为指标,避免只看总体命中率。两类数量相同并不意味着这个指标只能用于本例;
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉