实验数据多元统计分析 - indico.pdf

实验数据多元统计分析 李 晶 北京大学 2016 年 9 月 13 日 粒子物理数据分析基础和前沿研讨会 2016 年 09 月 10 日到 14 日 中国科学院高能物理研究所 目录 ● 背景介绍 ● 线性判别方法， Fisher 线性判别 ● 人工神经网络 ● 决策树判别 ● 其他判别方法 ● 小结 2 背景介绍 3 ● 实验数据多元统计分析（ Multivariate methods ，MVA ）近 年来广泛应用于高能物理实验数据分析中 ● 实验中每一个事例采集的数据形成 n 维特征空间中的数据向 量的一个样本点 x ● 定义一个判别函数（ Test statics ）t(x) ，由t(x)=t 确定决策 cut 面决策面（ decision boundary ） – 把 n 维特征空间分成信号和本底决策域（ critical region ） – 根据待识别样本的特征向量的观测值将样本归之为某个类别 4 观测量： x, y, z 5 ● 判别函数 r=sqrt(x +y +z ) 6 ● 判别函数 r=sqrt(x +y +z ) ● 决策面 r=1.6 ● 决策域 – 信号： r1.6 – 本底： r1.6 7 怎样确定决策面和决策域？ arXiv:1607.06975 ● 有时具有区分度的判别函数很难寻找 8 ● 多元统计分析方法 – 通过统计的方法确定最优化的决策面和决策域 ● 线性判别方法： Fisher 线性判别 ● 非线性判别方法：人工神经网络，决策树判别 9 ● 朱永生 ( 编著 ), 实验 数据多元统计分析 , 科学出版社 , 北 京 ,2009 10 ● C.M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006 ● T. Hastie, R. Tibshirani,