logp

判別分析分類器の対数条件なし確率密度

構文

lp = logp(obj,Xnew)

lp = logp(obj,Xnew) は、obj 判別分析モデルを使用して計算された、Xnew の各行の条件なし確率密度の対数を返します。

`obj`	`fitcdiscr` を使用して作成された判別分析分類器。
`Xnew`	各行が 1 つの観測値、各列が 1 つの予測子を表す行列。`Xnew` の行数は、`obj` の予測子の数と等しくなければなりません。

`lp`	`Xnew` と同じ行数の列ベクトル。各エントリは `Xnew` の対応する行の条件なし確率密度の対数です。

フィッシャーのアヤメのデータについて、判別分析分類器を構築し、平均測定値の予測を調べます。

フィッシャーのアヤメのデータを読み込み、既定の判別分析分類器を構築します。

load fisheriris
Mdl = fitcdiscr(meas,species);

平均のアヤメに適用される判別モデルの対数確率を求めます。

logpAverage = logp(Mdl,mean(meas))

logpAverage = -1.7254

判別分析モデルの x 点の条件なし確率密度は、次のようになります。

$P (x) = \sum_{k = 1}^{K} P (x, k),$

ここで P(x,k) はクラス k でクラスの総数が K である場合の、x におけるモデルの条件付き密度です。

条件付き密度 P(x,k) は次のとおりです。

P(x,k) = P(k)P(x|k),

ここで P(k) は k クラスの事前確率で、P(x|k) はクラス k を与えられた x の条件付き密度です。1 行 d 列の平均 μ_k および 1 行 d 列の点 x における d 行 d 列の共分散 Σ_k をもつ、条件付き多変量正規密度関数は次のとおりです。

$P (x | k) = \frac{1}{{({(2 π)}^{d} | Σ_{k} |)}^{1 / 2}} \exp (- \frac{1}{2} (x - μ_{k}) Σ_{k}^{- 1} {(x - μ_{k})}^{T}),$

ここで、 $| Σ_{k} |$ は Σ_k の行列式、 $Σ_{k}^{- 1}$ は逆行列です。