线性判别分析（LDA）| 分类 + 降维 | 原理 + 案例 | 机器学习必学技能

已完结

课程简介

本课程详解线性判别分析（LDA）的核心原理，包括类内 / 类间散度矩阵、投影空间求解、判别函数推导等关键知识点，结合 Python 代码实战（含 sklearn 工具调用与手动实现），带你掌握 LDA 在特征降维和分类任务中的应用，零基础也能快速入门机器学习中的经典降维算法。课程地址：https://mengbaoliang.cn/archives/38961.html

章节目录

互动留言

1/1 线性判别分析（LDA）

线性判别分析（Linear Discriminant Analysis，简称 LDA）是一种经典的统计学方法，主要用于特征降维和分类问题。它的核心思想是：寻找一个最佳的线性投影，使得投影后的数据在新空间中，不同类别之间的间隔最大化，而同一类别的数据尽可能聚集，从而提高分类效果。 1. 判别函数线性判别分析通过假设数据符合高斯分布，来估计一个样本属于某个类别的后验概率。首先，计算一个样本... 查看完整内容