Kvadrātiskā diskriminantanalīze (QDA)
Kvadrātiskā diskriminantanalīze ir ģeneratīvs klasifikators, kas katru klasi modelē ar savu daudzfaktoru Gausa sadalījumu, pieļaujot katrai klasei atsevišķu kovariācijas matricu. Atšķirībā no lineārās diskriminantanalīzes, kas pieņem kopīgu kovariāciju un rada lineāras robežas, QDA katras klases kovariācijas rada izliektas (kvadrātiskas) lēmumu robežas, ļaujot tai uztvert atšķirības klašu izkliedē un orientācijā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer. ISBN: 978-0-387-84857-0
- James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning. Springer. ISBN: 978-1-4614-7138-7
Kā citēt šo lapu
ScholarGate. (2026, June 2). Quadratic Discriminant Analysis (QDA). ScholarGate. https://scholargate.app/lv/machine-learning/quadratic-discriminant-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Lineārā diskriminanta analīze (LDA)Mašīnmācīšanās↔ compare
- Naive BayesMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →