在监督学习模型中,LDA 或 PCA 哪个是减少特征的好选择?
Posted
技术标签:
【中文标题】在监督学习模型中,LDA 或 PCA 哪个是减少特征的好选择?【英文标题】:Which is a good choice LDA or PCA for feature reduction in the supervised learning model? 【发布时间】:2018-10-29 15:10:59 【问题描述】:PCA -> 无监督模型或用于监督学习 LDA -> 监督模型 两者都用于特征缩减。
哪个是用于监督学习特征减少的连击 LDA 或 PCA,为什么?
数据集:非常有名的葡萄酒数据集,用于找出客户类别。
【问题讨论】:
【参考方案1】:如果你有标签,有监督的方法通常会比无监督的方法好得多。
至少如果标签适合您的问题。
如果没有标签,则不能使用 LDA。
【讨论】:
Pca 用于监督或非监督方法。这意味着,如果我们在监督学习领域,那么必须选择 LDA。 PCA 不受监督。即使在标记数据上使用 - 它也不使用标签。以上是关于在监督学习模型中,LDA 或 PCA 哪个是减少特征的好选择?的主要内容,如果未能解决你的问题,请参考以下文章