1.模型原理
线性判别分析(Linear Discriminant Analysis,简称LDA)是一种经典的模式识别和分类方法,它的目标是找到一个投影,将数据投影到低维空间,使得不同类别的样本在投影后的空间中有最大的类别间距,同时最小化类内方差。
模型原理如下:
-
假设有d维的数据,分为K个类别。我们的目标是找到一个投影方向(一个长度为d的权重向量w),使得在这个方向上的投影可以最大化类别间的差异,最小化类内的方差。文章来源:https://www.toymoban.com/news/detail-660189.html
-
定义类内散度矩阵(Within-Class Scatter Matrix)Sw和类间散度矩阵(Between-Class Scatter Matrix)Sb:文章来源地址https://www.toymoban.com/news/detail-660189.html
- 类内散度矩阵Sw表示各个类别内部数据的
到了这里,关于【Sklearn】基于线性判别法的数据分类预测(Excel可直接替换数据)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!