Calculateur de score discriminant linéaire
Noter une observation bidimensionnelle contre deux classes gaussiennes avec une covariance commune positive-définite.
VOTRE CALCUL
Résultat
—
Étapes du calcul
Affichez les étapes une par une ou le calcul complet. Les étapes utilisent les valeurs que vous avez saisies.
Méthode de calcul
Valider la covariance commune par Cholesky factorisation, puis évaluer la différence discriminante gaussienne.
Log odds=(μ1−μ0)ᵀΣ⁻¹x−(μ1ᵀΣ⁻¹μ1−μ0ᵀΣ⁻¹μ0)/2+log prior odds
Exemple détaillé
Covariance d’identité, moyens( 0 , 0 )/( 2 , 2 ), antécédents égaux et requête( 1 , 1 ) donnent des scores égaux.
Hypothèses et précisions sur les données
Deux modèles gaussiens ont été introduits avec une covariance égale; aucune estimation de covariance de la formation-données, aucune évaluation de l’exactitude ou inférence causale. La covariance très mal conditionnée est rejetée.
Utiliser ce calculateur
Puis-je saisir mes propres données ?
Oui. Remplacez les valeurs de l’exemple par vos propres données. Le résultat, les étapes, les tableaux et les diagrammes disponibles se mettent à jour. Une valeur vide ou invalide efface le résultat ; les valeurs de l’exemple ne remplacent jamais les données manquantes.
Les résultats sont-ils exacts ?
Les calculs utilisent des nombres à virgule flottante et les résultats affichés sont arrondis. Consultez la formule, les hypothèses et la précision des données indiquée avant d’interpréter le résultat.
Mes données sont-elles envoyées ?
Le calcul s’effectue dans votre navigateur. Aucun compte, envoi de fichier ou service d’IA externe n’est nécessaire. Les données saisies ne sont pas conservées après le rechargement de la page.
Calculer la distance multivariée à l’échelle de la covariance à partir d’une matrice de covariance entrée au point, au centre et à la valeur positive-définie.
Combiner les modèles indépendants de fonctionnalités Gaussian en partition postérieure de classe binaire.
Fixez les résultats binaires sur un prédicteur numérique en utilisant une pénalité L2 en pente normalisée explicite et évaluez une probabilité de requête.
Espace publicitaire réservé.