产品经理的人工智能学习库

线性判别分析 – Linear Discriminant Analysis | LDA

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。

线性判别分析-LDA

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

退出移动版