Linear Discriminant Analysis

Basic

Linear Discriminant Analysis (LDA) | หาแนวที่แยกคลาสได้ดีที่สุด

まとめ
  • LDA หาเวกเตอร์ที่เพิ่มอัตราส่วนระหว่างความแปรปรวนระหว่างคลาสกับในคลาส จึงใช้ได้ทั้งจำแนกและลดมิติแบบมีผู้สอน
  • เส้นแบ่งมีรูป \(\mathbf{w}^\top \mathbf{x} + b = 0\) ซึ่งตีความเป็นเส้นตรงหรือระนาบในมิติสูง
  • หากสมมติว่าทุกคลาสเป็นแกาสเซียนที่มีเมทริกซ์โคเวเรียนซ์เท่ากันจะได้ตัวจำแนกที่เกือบเหมาะเชิงเบย์
  • LinearDiscriminantAnalysis ใน scikit-learn ช่วยให้ฝึก วาดเส้นแบ่ง และดูฟีเจอร์หลังการฉายได้สะดวก

ภาพรวมเชิงสัญชาติญาณ #

LDA ต้องการ “กด” ตัวอย่างในคลาสเดียวกันให้เข้าใกล้ และ “ดึง” คลาสต่างกันให้ออกห่าง เมื่อฉายข้อมูลตามเวกเตอร์นั้น คลาสจะแยกจากกันได้ดีขึ้น และยังลดมิติเพื่อส่งต่อให้ตัวจำแนกอื่นได้ด้วย

สูตรสำคัญ #

ในกรณีสองคลาส เวกเตอร์ฉาย \(\mathbf{w}\) หาได้จากการเพิ่ม

$$ J(\mathbf{w}) = \frac{\mathbf{w}^\top \mathbf{S}_B \mathbf{w}}{\mathbf{w}^\top \mathbf{S}_W \mathbf{w}}, $$

โดย \(\mathbf{S}_B\) คือเมทริกซ์ความแปรปรวนระหว่างคลาส และ \(\mathbf{S}_W\) คือภายในคลาส หากมีหลายคลาสจะได้มากสุด \(K-1\) เวกเตอร์ฉาย (เมื่อมี \(K\) คลาส) ซึ่งใช้ลดมิติได้

ทดลองด้วย Python #

โค้ดต่อไปนี้ฝึก LDA กับข้อมูลสองคลาสและวาดทั้งเส้นแบ่งและผลหลังฉาย

from __future__ import annotations

import japanize_matplotlib
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import make_blobs
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.metrics import accuracy_score


def run_lda_demo(
    n_samples: int = 200,
    random_state: int = 42,
    title_boundary: str = "เส้นแบ่งของ LDA",
    title_projection: str = "การฉายด้วย LDA",
    xlabel: str = "คุณลักษณะที่ 1",
    ylabel: str = "คุณลักษณะที่ 2",
    hist_xlabel: str = "ค่าหลังฉาย",
    class0_label: str = "คลาส 0",
    class1_label: str = "คลาส 1",
) -> dict[str, float]:
    """Train LDA on synthetic blobs and plot boundary plus projection."""
    japanize_matplotlib.japanize()
    X, y = make_blobs(
        n_samples=n_samples,
        centers=2,
        n_features=2,
        cluster_std=2.0,
        random_state=random_state,
    )

    clf = LinearDiscriminantAnalysis(store_covariance=True)
    clf.fit(X, y)

    accuracy = float(accuracy_score(y, clf.predict(X)))
    w = clf.coef_[0]
    b = float(clf.intercept_[0])

    xs = np.linspace(X[:, 0].min() - 1, X[:, 0].max() + 1, 300)
    ys_boundary = -(w[0] / w[1]) * xs - b / w[1]

    fig, ax = plt.subplots(figsize=(7, 6))
    ax.set_title(title_boundary)
    ax.scatter(X[:, 0], X[:, 1], c=y, cmap="coolwarm", edgecolor="k", alpha=0.8)
    ax.plot(xs, ys_boundary, "k--", lw=1.2, label="w^T x + b = 0")
    ax.set_xlabel(xlabel)
    ax.set_ylabel(ylabel)
    ax.legend(loc="best")
    ax.grid(alpha=0.25)
    fig.tight_layout()
    plt.show()

    X_proj = clf.transform(X)[:, 0]

    fig, ax = plt.subplots(figsize=(8, 4))
    ax.set_title(title_projection)
    ax.hist(X_proj[y == 0], bins=20, alpha=0.7, label=class0_label)
    ax.hist(X_proj[y == 1], bins=20, alpha=0.7, label=class1_label)
    ax.set_xlabel(hist_xlabel)
    ax.legend(loc="best")
    ax.grid(alpha=0.25)
    fig.tight_layout()
    plt.show()

    return {"accuracy": accuracy}


metrics = run_lda_demo(
    title_boundary="เส้นแบ่งของ LDA",
    title_projection="การฉายด้วย LDA",
    xlabel="คุณลักษณะที่ 1",
    ylabel="คุณลักษณะที่ 2",
    hist_xlabel="ค่าหลังฉาย",
    class0_label="คลาส 0",
    class1_label="คลาส 1",
)
print(f"ความแม่นยำขณะฝึก: {metrics['accuracy']:.3f}")

เส้นแบ่งและการฉายข้อมูลด้วย LDA

เอกสารอ้างอิง #

  • Fisher, R. A. (1936). The Use of Multiple Measurements in Taxonomic Problems. Annals of Eugenics, 7(2), 179 E88.
  • Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning. Springer.