Квадратичний дискримінантний аналіз (QDA)
Квадратичний дискримінантний аналіз — це генеративна модель класифікатора, яка моделює кожен клас за допомогою власного багатовимірного нормального розподілу, дозволяючи кожному класу мати окрему коваріаційну матрицю. На відміну від лінійного дискримінантного аналізу, який припускає спільну коваріацію та створює лінійні межі, коваріації для кожного класу в QDA створюють вигнуті (квадратичні) межі рішень, що дозволяє моделювати відмінності у розкиді та орієнтації класів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Quadratic Discriminant Analysis (QDA). ScholarGate. https://scholargate.app/uk/machine-learning/quadratic-discriminant-analysis
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Лінійний дискримінантний аналіз (LDA)Машинне навчання↔ порівняти
- Наївний БайєсМашинне навчання↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →