机器学习实现与分析之五（高斯判别分析）

高斯判别分析（GDA）简介

---

首先，高斯判别分析的作用也是用于分类。对于两类样本，其服从伯努利分布，而对每个类中的样本，假定都服从高斯分布，则有:

这样，根据训练样本，估计出先验概率以及高斯分布的均值和协方差矩阵（注意这里两类内部高斯分布的协方差矩阵相同），即可通过如下贝叶斯公式求出一个新样本分别属于两类的概率，进而可实现对该样本的分类。

GDA详细推导

---

那么高斯判别分析的核心工作就是估计上述未知量ϕ,μ0,μ1,Σϕ,μ0,μ1,Σ。如何来估计这些参数？又该最大似然估计上场了。其对数似然函数为：

注意此函数第一部分只和μ0,Σμ0,Σ有关，第二部分只和μ1,Σμ1,Σ有关，最后一部分只和ϕϕ有关。最大化该函数，首先求ϕϕ,先对其求偏导数：

此处II为指示函数。令其为0，可求解出：

同样地，对μ0μ0求偏导数：

令其为0，可求解得：

根据对称性可直接得出：

下面对ΣΣ求偏导数，由于似然函数只有前面两部分与ΣΣ有关，则将前两部分改写如下：

进而有：

这里推导用到了：

令其为0，从而求得：

上面的推导似乎很复杂，但其结果却是非常简洁。通过上述公式，所有的参数都已经估计出来，需要判断一个新样本x时，可分别使用贝叶斯求出p(y=0|x)和p(y=1|x)，取概率更大的那个类。

实际计算时，我们只需要比大小，那么贝叶斯公式中分母项可以不计算，由于2个高斯函数协方差矩阵相同，则高斯分布前面那相同部分也可以忽略。实际上，GDA算法也是一个线性分类器，根据上面推导可以知道，GDA的分界线(面)的方程为：

取对数展开后化解，可得：

若，则

这就是GDA算法的线性分界面。

GDA实现

---

这里也采用前面讲逻辑回归生成的数据来进行实验，直接load进来进行处理，详见逻辑回归。GDA训练代码如下：

View Code

测试代码：

View Code

训练结果如下，训练样本中，正负样本均为100个，故ϕ=0.5：

改变正负样本数量，即相当于改变先验概率，则实验结果如下(相应的ϕϕ的值显示在图像标题)：

   

算法分析

---

1.与逻辑回归的关系

根据上面的结果以及贝叶斯公式，可有

而

那么,令

则

这不就是逻辑回归的形式么？

在推导逻辑回归的时候，我们并没有假设类内样本是服从高斯分布的，因而GDA只是逻辑回归的一个特例，其建立在更强的假设条。故两者效果比较：

a.逻辑回归是基于弱假设推导的，则其效果更稳定，适用范围更广

b.数据服从高斯分布时，GDA效果更好

c.当训练样本数很大时，根据中心极限定理，数据将无限逼近于高斯分布，则此时GDA的表现效果会非常好

2.为何要假设两类内部高斯分布的协方差矩阵相同？

从直观上讲，假设两个类的高斯分布协方差矩阵不同，会更加合理（在混合高斯模型中就是如此假设的），而且可推导出类似上面简洁的结果。

假定两个类有相同协方差矩阵，分析具有以下几点影响：

A．当样本不充分时，使用不同协方差矩阵会导致算法稳定性不够；过少的样本甚至导致协方差矩阵不可逆，那么GDA算法就没法进行

B．使用不同协方差矩阵，最终GDA的分界面不是线性的，同样也推导不出GDA的逻辑回归形式

3.使用GDA时对训练样本有何要求？

首先，正负样本数的比例需要符合其先验概率。若是预先明确知道两类的先验概率，那么可使用此概率来代替GDA计算的先验概率；若是完全不知道，则可以公平地认为先验概率为　　50%。

其次，样本数必须不小于样本特征维数，否则会导致协方差矩阵不可逆，按照前面分析应该是多多益善。

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf