Matlab的 - 错误与线性判别分析

我跑Matlab的 - 错误与线性判别分析

Y_testing_obtained = classify(X_testing, X_training, Y_training);

，我得到的错误是

Error using ==> classify at 246 
The pooled covariance matrix of TRAINING must be positive definite.

X_training为1550×5矩阵。你能告诉我这个错误是什么意思，即为什么出现，以及如何解决它？感谢

来源

2011-05-07 Yebo

也提及其他变量的维数。 X_testing，X_training需要有相同的列数，X_training，Y_training需要有相同的行数。 – 2011-05-07 22:48:49

分类根据您提供的值创建协方差矩阵。关键是X_training和Y_training，并且必须正确设置。 X_training构建协方差矩阵，因此在担心X_testing之前确保它是正确的。 – Rasman 2011-05-08 19:39:28

如果您的培训数据矩阵中有NaN值，它可能会产生肯定的错误 – BGreene 2012-10-19 09:07:08

说明：当您运行功能classify不指定判别函数的类型（像你一样），MATLAB的使用线性判别分析（LDA）。在不涉及LDA的太多细节的情况下，算法需要计算X_testing的协方差矩阵以解决优化问题，并且该矩阵必须是正定的（参见Wikipedia: Positive-definite matrix）。潜在的假设是您的数据由多变量概率分布表示，它总是具有正定协方差矩阵，除非一个或多个变量是其他变量的精确线性组合。

要解决您的问题：您的一个变量可能是其他变量的线性组合。您可以尝试选择一个合理的变量子集，或对训练数据执行主成分分析（PCA），然后使用前几个主成分进行分类。或者，你可以指定判别函数的类型，并选择两个朴素贝叶斯分类器之一，例如：

Y_testing_obtained = classify(X_testing, X_training, Y_training, 'diaglinear');

作为一个侧面说明，你还需要有比变量（列）更多的观测（行），但在你的情况下，这不是问题，因为你似乎有1550个观察值和5个变量。

最后，您还可以看看发布到Matlab forum上类似问题的答案。

来源

2013-04-17 10:45:25 Melissa

谢谢！刚开始学习分类和'直线'解决了我的问题，非常赞赏的解释！ – Austin 2014-09-16 18:32:38

尝试在Matlab中使用cvshrink函数规则化数据

来源

2014-06-12 22:50:45 Spandy

Matlab的 - 错误与线性判别分析

回答

相关问题