高斯簇是否线性可分?

假设你在二维空间中有两个高斯概率分布,第一个中心位于(0,1),第二个中心位于(0,-1)。(为了简化起见,假设它们具有相同的方差。) 可以认为从这两个高斯分布中采样的数据点簇是线性可分的吗?

直观上,很明显分隔这两个分布的边界是线性的,在我们的例子中即为横轴。然而,线性可分性的正式要求是簇的凸包不重叠。对于由高斯分布生成的簇来说,这是不可能的,因为它们的基础概率分布遍布整个R^2(尽管远离均值的概率可以忽略不计)。

那么,由高斯分布生成的簇是否线性可分呢?如何调和凸包的要求与直线是唯一可想像的“边界”这一事实?或者,一旦引入不等方差,边界实际上就不再是线性的了?


回答:

高斯簇实例可能是可分的,也可能不是。这取决于结果,而不是生成它的过程。

线性可分性可以定义为存在一个平面分隔两组点,使得一组点完全位于平面的一侧,另一组点完全位于平面的另一侧。

现在考虑你的特定高斯分布。它们有可能生成两个线性可分的集合(无论是否在横轴上)。然而,如果方差非零,并且你让过程生成足够多的点,那么结果几乎肯定不会是线性可分的。

所以,再次强调,这是一个结果的问题,而不是过程的问题。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注