フィッシャーの線形判別は、データを分類する際に統計学の分野で古くから使われている手法です。「判別」という言葉が付いていますが、事実上これはデータを分類するための都合の良い線形変換を見つける手法だと言えます。フィッシャーの線形判別は主成分分析などと同じように、古くから使われている有用な手法というだけでなく、線形代数や統計の基礎的な復習にもなるので絶好のテーマです。是非マスターしてしまいましょう。
直感的な例
この画像ではデータは二次元で、赤と青の2クラスがあるという状況です(参照BRML, PRMLではないです)。このデータを一次元の直線上に射影した場合に、直線上のどの位置にデータ点が来るのかが示されています。さて、(a)と(b)どちらが識別に有利な一次元データを獲得していると言えるでしょうか？、直感的には(a)だと感じるはずです。一次元のデータ上で赤と青が上手く分かれているように見えますね。
さてこのような直線は如何にして獲得されるのでしょうか。このような都合の良い射影先の直線（あるいは平面、あるいはそれより高次元の部分空間）を見つける1つの指針がフィッシャーの線形判別だというわけです。
問題設定
問題設定として、2クラスのD次元データを対象にしましょう。
D次元のデータを適当な線形変換によって一次元（直線上）に圧縮してしまい、その直線上でデータがどちらのクラスかを判別しやすくしたいという問題設定です。
数式で表すと、
で、は圧縮された一次元データ、
はD次元ベクトル、
が線形変換に相当します（この場合は一次元のデータを取り出したいため、
はD次元ベクトルです。もしも二次元データを取り出したければ、
]のように行列を準備すればいいでしょう）。
の値を見てデータが上手く分類できるように
を決定したいということです。
線形変換
決定への戦略1
先ほどの画像をもう一度見てみましょう。
この画像が上手く判別できていると言える原因を探ってみます。
まず青と赤の点が、射影された先で分かれていてほしいというのは当たり前の要求です。にこれを要請する方法は以下のとおりです。
まず、データ点の青の点を(クラス1)、赤の点を
(クラス2)だとしましょう。クラス1のデータ点の平均的な位置
と、クラス2の平均的な位置
は以下の式となりますね。(
はクラス
のデータ点の数とします)
このがそれぞれのクラスの代表点だと考えて、これらが変換
を受けた後になるべく離れているということを要請すればいいのです。すなわち
が最大になるようにを決定するということです。ただし、これを最大にするために
ベクトル自体をやけに大きくしても意味がありません（なぜなら今、分離に有利な直線の傾きを決めようとしているからです。
の方向にのみ興味があるのです）。ですから、
という制約を入れておく必要があります。
しかし実はこの要求だけでは分離は上手くいきません。もう一度画像を見てみましょう。
例え青の点が赤の方に混ざりこんでいようが、一方で赤の点からかなり離れている青の点がたくさんあれば、結局平均的には離れていると見なせてしまうからです。結局射影先での青の点の平均的な位置と、赤の点の平均的な位置を離すだけでは、個々の点の混ざり具合を完全に抑えることはできないのです。これではまだ上手いを見つけたとは言えません。
線形変換決定への戦略2
もう少しに対して、それぞれのクラスに関する制約を入れておいた方が良いでしょう。先ほど残された課題は、平均的な位置としては離れていても、個々の点が混ざり合っているということでした。すなわち言い方を変えると、青の点のばらつきが大きい、赤の点のばらつきが大きい、そのために（平均的には離れていても）混ざり合ってしまうことがあるということです。
ですから、次にに課する要請は、同じクラスのデータ点は、射影された先で近くにいてほしいというものです。つまり同じクラスのデータ点の分散を小さくしておきたいということです。
クラスのデータ点の射影先での分散
は
同様にクラスに関しては
と表されます。
分散は平均からの距離の二乗の和です。これが小さいほどバラつきが少ないと言えますね。
つまり、それぞれのクラス毎の分散が小さければデータは射影先でクラス毎に纏まっているということです。
をなるべく小さくすれば良いわけで、これを総クラス内分散と言います。
フィッシャーの線形判別の定式化
以上から、上手いを見つける戦略として
1.射影先でのクラス毎の平均を計算し、なるべく離れるようにする。
2.射影先でのクラス毎の分散を計算し、なるべく小さくなるようにする。
というものが与えられました。式としては、
を最大化。
を最小化。
の2つの要請がありました。 この2つを両方考慮した評価関数を考えましょう。指針としては、平均に関することを分子に、分散に関することを分母に持ってくることで、平均に関しての最大化と分散に関しての最小化を、評価関数の最大化という1つの問題に置き換えられます。
1.平均に関して
まずは分子に関する式を二次形式で表現しておくことで、分散と対等に扱うことができます。
を二次形式（ベクトルや行列に関する二乗のようなもの）で表現すると
となります。これは、それぞれのクラスの平均的な位置の二乗になっているために、クラス間分散と表現されます。特にはクラス間共分散行列と定義されます。クラス間共分散行列を使って表現すると
を最大化するというのが平均に関する要請になります。
2.分散に関して
次に分散に関する式ですが、これは元々分散の概念であるため元々二次形式で表現されます。それぞれ
と
でした。
は
を外に出して
と表せます。ここでを総クラス内共分散行列と定義して
を最小化するのが分散に関する要請になります。
フィッシャーの線形判別の評価関数
以上をまとめて評価関数は
と表現することができます。
これの具体的な解き方は、単にで微分するだけのことなので調べればすぐに出てくるでしょう。大事なのはフィッシャーの線形判別がどのように考えて構成されたかです。
これが分かると以下のような評価関数の変更の意図も分かるかと思います。
とする方法です。これは射影先でのクラス毎の散らばり具合について、どちらのクラスにより散らばってほしくないかを表現する係数になっています。
解を求める
を実際に求める方法を書いておきます。
評価関数を
で微分して0となればいいので、条件は
]
が0となればよく、結局、満たしておく条件は
となります。最初に述べた通り、今興味があるのはの方向だけで、大きさは興味がありません。二次形式はスカラーとなっており、大きさにしか寄与せず、
の方向を決めるのはベクトルだけですから
と
は無視しても構いません。
すなわち等式を以下のように評価しての方向のみを考えればいいのです。
両辺にを左から掛けて、更に
が
に比例することを用いて最終的には以下の式になります。
の具体的な大きさを求めることも当然できますが、方向だけに興味があり
の制約で問題を解きたいため、上記を満たす
を決めてから単位ベクトルにしてしまえばいいでしょう。
結局は手元にあるD次元データのクラス毎の平均を求めを求め、総クラス内共分散
を計算して、その逆行列を求めれば
は決まるということです。
最後に
今回はフィッシャーの線形判別を考えだす過程と共に解説しました。
これは実際には特徴抽出の手法であって、直接識別はできません。一次元に圧縮した場合には、そのスカラー値に適当な閾値を設けてクラス分類したり、あるいはそれぞれのデータをガウス分布で表現して（せっかく平均と分散考えたわけですし）データ点の尤度を計算する方法も考えられるでしょう。
この手法の有用性は、実は最初の画像
で示されており、(a)はフィッシャーの線形判別で(b)は主成分分析になっています。
主成分分析はデータのラベルを一切用いない教師なし学習ですから、不利と言えば不利なのですが、分類が目的の際にはフィッシャーの線形判別が威力を発揮するのを理解してもらえたでしょうか。
今回はこの辺で。
