判別分析(はんべつぶんせき、: discriminant analysis)は、事前に与えられているデータが異なるグループに分かれる場合、新しいデータが得られた際に、どちらのグループに入るのかを判別するための基準(判別関数[注釈 1])を得るための正規分布を前提とした分類の手法。英語では線形判別分析[注釈 2]LDA二次判別分析[注釈 3]QDA混合判別分析[注釈 4]MDAと略す。1936年にロナルド・フィッシャーが線形判別分析を発表し[1][2]、1996年に Trevor Hastie, Robert Tibshirani が混合判別分析を発表した[3]

3つ以上のグループの判別は重判別分析[注釈 5]や正準判別分析と呼ばれる。

判別関数の種類

編集

判別関数には以下の物などがある。

線形判別関数[注釈 6]
超平面・直線による判別。線形判別分析は等分散性が必要。
二次判別関数[注釈 7]
楕円など二次関数による判別。二次判別分析は等分散性が不要。
非線形判別関数[注釈 8]
超曲面・曲線などの非線形判別関数。

前提条件

編集

線形判別分析は、以下の前提条件が成立する必要がある。

その上で、マハラノビス汎距離[注釈 10]が等距離の所に直線を引く。これらの前提条件が成立しないとおかしな結果になる。

各グループの平均が異なる以上、分散が異なることは多々ある。等分散性の仮定を外した物が二次判別分析である。それぞれのグループで異なる共分散行列を使用してマハラノビス距離を計算して、等距離になる場所を判別曲面とする方法である。この方法は二次関数となり、正規分布が成立している場合は正しい結果になる。

線形判別分析において、グループ間の確率のロジットは線形関数となるが、ここで線形関数という仮定を残したまま、正規分布や等分散性の仮定を外すとロジスティック回帰や単純パーセプトロンになる[4]

さらに別な方法としては、線形判別関数を使用したい場合は、線形サポートベクターマシンで線形判別関数を求めるという方法もある。

線形判別分析

編集

線形判別関数は以下の通り。これの正負で判断。  は入力、 平均 共分散行列[注釈 11]。この式は多変量正規分布の式より導出できる。

 

より細かく、線形判別関数 ( ) の求め方を以下に示す。

  1. 第一群、第二群についてそれぞれ積和を求める(N はサンプル数)。
     
  2. 第一群と第二群の平方和・積和を、同じ2変数について足し、自由度   で除す。
     
  3.   を、その   列に対応させて分散共分散行列 とし、各変数にかかる係数を  列に並べた行列を 、第一群の各変数の平均値から第二群の各変数を引いた数    列に並べた行列を とすると以下の式が成り立つ。
      ゆえに  
  4. これにより各変数にかかる係数を求めることができる。
    定数項は、 
  5. 判別得点 が正のとき第一群、負のとき第二群と判別される。
    変数が標準化されていれば、係数の大きさは、そのままその変数が判別に与える影響の大きさである。
    変数が定性的な場合は、ダミー変数を用いる。
     
    ここに、 :   番目のカテゴリーに反応するとき 、しないとき 

二次判別分析

編集

グループの平均を中心に回転・軸方向のスケーリングを行い共分散行列を揃え、線形判別分析を行えば良い。

混合判別分析

編集

単一の正規分布ではなく、混合正規分布で表現した物を混合判別分析という。その場合でも共分散行列は共通の物を使う。混合正規分布を使うことにより複雑な分布も扱えるようになる。混合正規分布はEMアルゴリズムなどで求める。

注釈

編集
  1. ^ : discriminant function
  2. ^ : linear discriminant analysis
  3. ^ : quadratic discriminant analysis
  4. ^ : mixture discriminant analysis
  5. ^ : multiple discriminant analysis
  6. ^ : linear discriminant function
  7. ^ : quadratic discriminant function
  8. ^ : nonlinear discriminant function
  9. ^ : multivariate normal distribution
  10. ^ : Mahalanobis' generalized distance
  11. ^ この文脈中には総和を表すシグマ記号「 」もあるが、それとは異なるので注意。

出典

編集
  1. ^ FISHER, R. A. (September 1936). “The use of multiple measurements in taxonomic problems”. Annals of Eugenics 7 (2): 179–188. doi:10.1111/j.1469-1809.1936.tb02137.x. 
  2. ^ Cohen et al. Applied Multiple Regression/Correlation Analysis for the Behavioural Sciences 3rd ed. (2003). Taylor & Francis Group.
  3. ^ Trevor Hastie; Robert Tibshirani (1996). “Discriminant Analysis by Gaussian Mixtures”. Journal of the Royal Statistical Society, Series B 58 (1): 155-176. 
  4. ^ Trevor Hastie, Robert Tibshirani, Jerome Friedman『統計的学習の基礎 ―データマイニング・推論・予測―』共立出版、2014年6月25日。ISBN 978-4320123625 

関連項目

編集