はじめてのパターン認識 第４章 確率モデルと識別関数 前半（観測データの線形変換） - Qiita

４章では、確率モデルと識別関数について扱う。この投稿では４章前半についてまとめる。読書会向けのまとめなので、手元に本があること前提で記載。（けっこう大事な章なので説明はのちのち適宜追加予定） ４章前半の内容 ４章前半（4.1節）では、より良い識別とモデルを得るためにデータの持つ測定単位の差異を吸収したり特徴間の相関を無くすための操作として、観測データの線形変換について述べられている。 観測単位や特徴間の相関を無くすためには、データの分布を示すなんらかの統計量が必要となる。代表的なものとして平均ベクトルと共分散行列（分散・共分散行列）があり、確率分布のパラメータと呼ばれる。 4.1 観測データの線形変換 4.1.1 平均ベクトルと共分散 【本編に進む前に数学から離れている人向けの復習①】 分散： 各データが平均値（期待値）からどれだけ離れて散らばっているかを示すもの 通常平均値とデータの距離

[petite_blue]

無相関化,白色化