码迷,mamicode.com
首页 > 其他好文 > 详细

线性判别分析(LDA)

时间:2018-07-08 12:40:47      阅读:209      评论:0      收藏:0      [点我收藏+]

标签:评估   最好   最大   分享图片   分享   bubuko   衡量   降维   任务   

技术分享图片

降维的作用:

  • 高维数据特征个数多,特征样本多,维度也很大,计算量就会很大,调参和最后评估任务时,计算量非常大,导致效率低。
  • 高位数据特征特别多,有的特征很重要,有的特征不重要,可以通过降维保留最好、最重要的特征。

技术分享图片

技术分享图片

PCA是无类别信息,不知道样本属于哪个类,用PCA,通常对全体数据操作。
LDA有类别信息,投影到类内间距最小and类间间距最大...
技术分享图片

 

技术分享图片

技术分享图片

技术分享图片

技术分享图片

注:类内散布矩阵:衡量映射后各自的密集程度。类间散布矩阵:衡量不同类别间的距离。

技术分享图片

 

 

 

 

 

 

线性判别分析(LDA)

标签:评估   最好   最大   分享图片   分享   bubuko   衡量   降维   任务   

原文地址:https://www.cnblogs.com/tianqizhi/p/9279602.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!