线性判别分析 – Linear Discriminant Analysis | LDA

文章目录

什么是线性判别分析？

逻辑回归是一种传统上仅限于两类分类问题的分类算法。如果您有两个以上的类，则线性判别分析算法是首选的线性分类技术。

LDA的代表非常简单。它包含数据的统计属性，为每个类计算。对于单个输入变量，这包括：

1. 每个分类的平均值。
2. 在所有类别中计算的方差。

​

通过计算每个类的判别值并对具有最大值的类进行预测来进行预测。该技术假设数据具有高斯分布（钟形曲线），因此最好事先从数据中删除异常值。它是分类预测建模问题的一种简单而强大的方法。

百度百科版本

线性判别分析(linear discriminant analysis，LDA)是对费舍尔的线性鉴别方法的归纳，这种方法使用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或区分它们。所得的组合可用来作为一个线性分类器，或者，更常见的是，为后续的分类做降维处理。

查看详情

维基百科版本

线性判别分析（LDA），正态判别分析（NDA）或判别函数分析是Fisher线性判别式的推广，这是一种用于统计，模式识别和机器学习的方法，用于找出表征或分离两个或两个特征的线性特征组合。更多类的对象或事件。得到的组合可以用作线性分类器，或者更常见地，用于在稍后分类之前降低维数。

查看详情

​