특징 추출3 -Fisher의 선형 분별

Linear Discriminant Analysis

특징 추출이 아닌 분류기 설계

PCA는 정보 손실 최소화

Fisher LD는 분별력을 최대화

유리한 정도를 어떻게 수식화 하고, 가장 유리한 축을 어떻게 찾을 것인가?

=> 기본 아이디어 : 같은 부류에 있는 클래스 샘플들 간의 거리는 가깝고 다른 부류의 샘플들 간의 거리는 멀어야 함

특징 추출은 패턴인식 과정에서 휴리스틱한 경험과 실험에 따른 시행 착오가 가장 많이 필요

 

특징 분별력 한계

경향을 어기는 상황

그래도 만족 스럽다면 그것으로 특징 설계

 

특징이 만족스럽지 않다면, 버리던가 새로운 특징을 추가하여 특징 결합

특징이 가는 정보 전역 정보(검은 화소 비율), 지역 정보(프로파일)