Fonctions discriminantes
1• N classes
• g
1(x), g
2(x), . . .,g
N(x) :
Rd#→
R• fonction de d ´ecision:
f (x) = C
isi g
i(x) ≥ g
j(x) pour tout j = 1, . . . ,N
• r ´egions de d ´ecision: R
1,R
2, . . . ,R
Nx ∈ R
isi f (x) = C
i• fronti `ere de d ´ecision: F ⊂
RdF = { x |∃ i, j : i ( = j, g
i(x) = g
j(x) }
Fonctions discriminantes
2• Deux classes {− 1, 1 }
• g(x) = g
1(x) − g
−1(x)
• fonction de d ´ecision: f (x) = signe(g(x))
• r ´egions de d ´ecision: R
1= { x : g(x) ≥ 0 } ,R
−1= { x : g(x) < 0 }
• fronti `ere de d ´ecision: F = {x|g(x) = 0}
Fonctions discriminantes
3• La densit ´e normale (gaussienne) p(x) = 1
(2!)
d/2| " |
1/2exp
!
− 1
2 (x − µ)
t"
−1(x − µ) "
• µ: vecteur de moyenne
• ": matrice de covariance (positive semidefinite)
• | " | : d ´eterminante ( ≥ 0)
• "
−1: inverse (existe)
Fonctions discriminantes
4• Fonctions discriminantes
• g
i(x) = ln p
i(x) = ln p(x | Y = C
i) + ln P(Y = C
i)
• g
i(x) = − 1
2 (x − µ
i)
t"
−i1(x − µ
i) − d
2 ln 2! − 1
2 ln |"
i| + ln P(Y = C
i)
• Cas 1: "
i= #
2I (matrices de covariance sph ´eriques)
• |"
i| = #
2d• "
−1=
1#2
I
g
i(x) = − )x− µ
i)
22#
2+ ln P(Y = C
i) + const.
= − 1
2#
2(x
tx − 2µ
tix+ µ
tiµ
i) + ln P(Y = C
i) + const.
Fonctions discriminantes
5• Cas 1: "
i= #
2I
• fonctions discriminantes lin ´eaires: g
*i(x) = w
tix + w
i0• vecteur de poids: w
i= 1
#
2µ
i• seuil ou biais: w
i0= − 1
2#
2µ
tiµ
i+ ln P(Y = C
i)
• fronti `ere de d ´ecision lin ´eaire entre R
iet R
j(µ
i− µ
j)
t(x − x
0) = 0
• x
0= 1
2 (µ
i+ µ
j) +
!#
2) µ
i− µ
j)
2ln P(Y = C
i) P(Y = C
j)
"
(µ
j− µ
i)
• P(Y = C
i) = P(Y = C
j): classifieur de plus proche moyenne
Fonctions discriminantes
6• Cas 2: "
i= " (matrices de covariance identiques)
• g
i(x) = − 1
2 (x − µ
i)
t"
−1(x − µ
i) + lnP(Y = C
i) + const.
• g
*i(x) = w
tix + w
i0• vecteur de poids: w
i= "
−1µ
i• seuil ou biais: w
i0= − 1
2 µ
ti"
−1µ
i+ ln P(Y = C
i)
Fonctions discriminantes
7• Cas 2: "
i= "
• fronti `ere de d ´ecision entre R
iet R
j:
"
−1(µ
i− µ
j)
t(x − x
0) = 0
• x
0= 1
2 (µ
i+ µ
j) +
!
1
(µ
i− µ
j)
t"
−1(µ
i− µ
j) ln P(Y = C
i)
P(Y = C
j)
"