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

LAD线性判别模型简介及sklearn参数

PCA和LDA

线性模型之LDA和PCA推导

主成分分析(PCA)

PCA(主成分分析)+LDA(线性判别分析)+区别

LDA/PCA