使用LDA（Linear Discriminant Analysis）进行降维(dimention reduction)详解和实战
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了使用LDA（Linear Discriminant Analysis）进行降维(dimention reduction)详解和实战相关的知识，希望对你有一定的参考价值。
使用LDA（Linear Discriminant Analysis）进行降维(dimention reduction)详解和实战
LDA也可被视为一种监督降维技术。不同于PCA（Principle Compoent Analysis）它是一种有监督的降维方法；
LDA模型的优缺点：
优点： 在降维过程中可以使用类别的先验知识经验，而像PCA这样的无监督学习则无法使用类别先验知识。 在样本分类信息依赖均值而不是方差的时候，比PCA之类的算法较优。
缺点： 不适合对非高斯分布样本进行降维，PCA也有这个问题。 降维最多降到类
以上是关于使用LDA（Linear Discriminant Analysis）进行降维(dimention reduction)详解和实战的主要内容，如果未能解决你的问题，请参考以下文章
降维算法二：LDA（Linear Discriminant Analysis）
线性判别分析（Linear Discriminant Analysis-LDA）