sklearn自学指南(part20)--收缩和协方差估计
生活随笔
收集整理的這篇文章主要介紹了
sklearn自学指南(part20)--收缩和协方差估计
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
學習筆記，僅供參考，有錯必究
文章目錄
- 線性判別和二次判別分析
- 收縮和協方差估計
- 估計算法
線性判別和二次判別分析
收縮和協方差估計
收縮是一種正則化形式，用于在訓練樣本數量比特征數量少的情況下改善協方差矩陣的估計。
在這種情況下，經驗樣本協方差是一個較差的估計量，收縮有助于提高分類器的泛化性能。通過將LinearDiscriminantAnalysis類的 shrinkage 參數設置為'auto'，可以使用收縮LDA。這將按照Ledoit和Wolf引入的引理以解析方式，自動確定最佳收縮參數。請注意，當前收縮僅在將solver參數設置為'lsqr'或'eigen'時有效。
shrinkage
總結
以上是生活随笔為你收集整理的sklearn自学指南(part20)--收缩和协方差估计的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 魔兽怀旧服奶骑治疗手法是什么 奶骑治疗手
- 下一篇： sklearn自学指南(part21)-