Lezione del 2020-12-11
Modellamento ACMT. Principi generali dell'Analisi Discriminante Lineare. Regola di Bayes. Espressione e rappresentazione grafica della probabilità a posteriori. Delimiter della LDA. Dal training set alle funzioni densità di probabilità. Espressione della matrice delle perdite e minimo rischio medio condizionale per l'attribuzione di classe. Matrice delle covarianze raggruppate. Matrice di covarianza per classi singole. Punteggio discriminante: calcolo ed esempi. Flusso di processo operativo nella LDA nelle diverse casistiche (con o senza probabilitàa priori e matrice delle perdite). Variabili canoniche nella LDA e coincidenza con il delimiter. Analisi discriminante quadratica: significato e utilizzo. Il metodo SIMCA di modellamento d classe: caratteristiche, procedura e algoritmo. Normal range ed extended range; inner e outer space. Classificazione di un oggetto incognito mediante SIMCA.