Class: LDA

LDA()

La clase LDA encapsula la lógica necesaria para entrenar un modelo LDA, proyectar puntos y realizar predicciones.

Constructor

new LDA()

Source:

Methods

calculateCovariance(data)

Este método calcula la matriz de covarianza de un conjunto de datos.
Parameters:
Name Type Description
data Array Arreglo del conjunto de datos X.
Source:
Returns:
Matriz de covarianza.

computeLdaParams(class1, class2, class1id, class2id)

Este método calcula los parémetros theta y b que definen la línea discriminante para separar dos clases específicas. La media y la covarianza de cada clase se utilizan para calcular theta, que es el vector de pesos, y b, que es el sesgo.
Parameters:
Name Type Description
class1 Number Valor del par 1.
class2 Number Valor del par 2.
class1id Number Índice del par 1.
class2id Number Índice del par 2.
Source:
Returns:
Valores de las propiedades theta, b, class1id y class2id.

getClassifierName() → {String}

Source:
Returns:
El nombre del clasificador para identificarlo.
Type
String

predict(X)

El método predict se utiliza para predecir la clase de nuevos datos. En el caso de dos clases, se usa una única línea discriminante, mientras que para múltiples clases se utilizan todas las líneas discriminantes calculadas.
Parameters:
Name Type Description
X Array representa las características de las instancias.
Source:
Returns:
Predicción realizada de las instancias.

predictInstance(instance)

El método predictInstance realiza las operaciones necesarias para generar la predicción de cada instancia.
Parameters:
Name Type Description
instance Array Instancia que estará siendo evaluada.
Source:
Returns:
Instancia predicha.

project(point)

El método project proyecta un punto en el espacio de la línea discriminante definida por theta y b. Actualmente, solo soporta la proyección para dos clases.
Parameters:
Name Type Description
point Number Punto a proyectar.
Source:
Returns:
Propiedad proyección

projectPoint(point, theta, b)

Este método calcula la proyección de un punto dado un vector theta y un sesgo b.
Parameters:
Name Type Description
point Number Punto a proyectar.
theta Array Vector theta.
b Number Sesgo.
Source:
Returns:
Arreglo de proyección.

train(X, y)

El método train entrena el modelo con datos de entrada X y sus respectivas etiquetas y. Además, organiza los datos por clase y calcula los parámetros LDA para cada par de clases.
Parameters:
Name Type Description
X Array representa las características de las instancias.
y Array representa las etiquetas de clase correspondientes.
Source: