Adatfehérítés¶

Adatelemzés¶

Adott adathalmaz esetén a fit módszerrel becsülhetünk egy fehérítő transzformációt.

fit(Fehérítés, X; …)¶

Esztimálja a fehérítő transzformációt a X-ben megadott adatokból. Itt X egy mátrixnak kell lennie, amelynek oszlopai a mintákat adják meg.

Ez a függvény a Whitening egy példányát adja vissza.

Kulcsszóargumentumok:

név leírás alapértelmezett
regcoef

A regularizációs együttható. A kovariancia a következőképpen lesz regularizálva, ha regcoef pozitív:

C + (eigmax(C) * regcoef) * eye(d)

zero(T)
közép

A középvektor, amely lehet:

  • 0: a bemeneti adatokat már központosítottuk
  • nothing: ez a függvény kiszámítja az átlagot
  • egy előre kiszámított átlagvektor
nothing

Megjegyzés: Ez a függvény belsőleg cov_whiten-ra támaszkodik a W transzformáció levezetéséhez. Maga a cov_whiten függvény is hasznos függvény.

cov_whitening(C)¶

A fehérítő transzformáció W együtthatómátrixának származtatása a C kovariancia mátrix ismeretében. Itt a C lehet akár egy négyzetmátrix, akár a Cholesky egy példánya.

Ez a függvény belsőleg Cholesky-faktorizációval oldja meg a fehérítő transzformációt. Az indoklás a következő: legyen \mathbf{C} = \mathbf{U}^T \mathbf{U} és \mathbf{W} = \mathbf{U}^{-1}, akkor \mathbf{W}^T \mathbf{C} \mathbf{W} = \mathbf{I}.

Megjegyzés: A visszatérő mátrix W egy felső háromszögmátrix.

cov_whitening(C, regcoef)

Fehérítő transzformáció származtatása a regularizált kovariancia alapján, mint C + (eigmax(C) * regcoef) * eye(d).

A csomag emellett a cov_whiten! funkciót is biztosítja, amelyben a C bemeneti mátrixot a számítás során felülírja. Ez hatékonyabb lehet, ha a C-et már nem használjuk.

invsqrtm(C)¶

A inv(sqrtm(C)) kiszámítása szimmetrikus sajátérték-dekompozícióval.

Vélemény, hozzászólás?

Az e-mail-címet nem tesszük közzé.