۹۲/۰۷/۰۶
تدریس یار خوشه بندی
تابع توزیع گوسی :
یک تابع توزیع نرمال معروف هست
در خوشه بندی یک نوع ورودی داریم feature vector
مولفه های ویژگی در یک بردار جمع می شوند ( بردار ویژگی می گوییم )
در درس خوشه بندی با بردار ویژگی سر و کار داریم
مدل گوسی یک مدل پارامتریک هست
پارامتر های توزیع گوسی ” میانگین و واریانس ” هستند
این پارامتر ها در
مثلا ۱۲۰ تا بردار ویژه بیماران داریم ، یک بردار ۳ بعدی میانگین ویژگی های آن بیماران را داریم .
Multi Variable هست
واریانس در حالت کلی یک ماتریس هست
در حالت ابتدایی اگر فقط یک پارامتر را از بیماران داشته باشیم
مشابه زنگوله هست
حساسیت به ازای تغییر دلتا زیگما ،
انحراف استاندارد :
var : واریانس
cov : کواریانس
det : دترمینان
std – جزر واریانس
داده ها که به سمت میانگین نزدیک می شوند …
هر چه واریانس بیشتر شود ، زنگوله پهن تر می شود
هر ماتریس چند مولفه روی قطر دارد و چندین مولف خارج از قطر
مولفه های روی قطر : واریانس هستند
مثلا مولفه دوم : پراکندکی ( واریانس ) ویژگی قند خون را نشان می دهد
مولفه های غیر قطر : کواریانس هستند
مثلا پراکندگی قند خون و فشار خون نسبت به یکدیگر
پس ماتریس کواریانس یک کاتریس متقارن هست
بردار های ویژگی D بعدی هستند
یعنی x یک ماتریس D * 1 هست
mio هم که متوسط هست
x*mio همان D * 1 می شود
سیگما D*D هست
معکوسش هم D* D هست