给定数据点,每个都有特征,被标记为, 另一个被标记为. 每个特征都取一个值随机(均匀分布)。存在一个可以分裂这两个类的超平面的概率是多少?
让我们首先考虑最简单的情况,即.
给定数据点,每个都有特征,被标记为, 另一个被标记为. 每个特征都取一个值随机(均匀分布)。存在一个可以分裂这两个类的超平面的概率是多少?
让我们首先考虑最简单的情况,即.
假设数据中不存在重复项。
如果,则概率为。
对于的其他组合,请参见下图:
我生成了模拟 OP 中指定的输入和输出数据的图。由于Hauck-Donner 效应,线性可分性被定义为逻辑回归模型中的收敛失败。
我们可以看到概率随着的增加而降低。事实上,我们可以拟合一个将与关联起来的模型,结果如下:
情节代码(在 Julia 中):
using GLM
ds = 10; #number of dimensions to be investigated
ns = 100 #number of examples to be investigated
niter = 1000; #number of iterations per d per n
P = niter * ones(Int64, ds, ns); #starting the number of successes
for d in 1:ds
for n in (d+1):ns
p = 0 #0 hits
for i in 1:niter
println("Dimensions: $d; Samples: $n; Iteration: $i;")
try #we will try to catch errors in the logistic glm, these are due to perfect separability
X = hcat(rand((n,d)), ones(n)); #sampling from uniform plus intercept
Y = sample(0:1, n) #sampling a binary outcome
glm(X, Y, Binomial(), LogitLink())
catch
p = p+1 #if we catch an error, increase the count
end
end
P[d,n] = p
end
end
using Plots
gui(heatmap(P./niter, xlabel = "Number of Samples", ylabel = "Number of Dimensions", title = "Probability of linear separability"))
与相关的模型代码(在 Julia 中):
probs = P./niter
N = transpose(repmat(1:ns, 1, ds))
D = repmat(1:ds, 1, ns)
fit = glm(hcat(log.(N[:]), D[:], N[:].*D[:], ones(ds*ns)), probs[:], Binomial(), LogitLink())
coef(fit)
#4-element Array{Float64,1}:
# -4.58261
# 1.37271
# -0.0235785
# 5.82944
gui(heatmap(reshape(predict(fit), ds, ns), xlabel = "Number of Samples", ylabel = "Number of Dimensions", title = "Fit of probability of linear separability"))