什么是LDA分类的简单解释

我发现很难理解线性判别分析（LDA）的过程，我想知道是否有人可以用简单的一步一步的过程用英语解释它。 我了解LDA与主成分分析（PCA）密切相关。 但我不知道它是如何给出所有的概率与炉排精度。 训练数据如何与实际数据集相关联。 我提到了几个文件，我不明白。 它使得更混乱和复杂。

---

PCA（主成分分析）不受监督，或者相同，它不使用类别标签信息。 因此，歧视性信息不一定保留。

最大限度地减少投影错误。

最大化投影点的方差。

示例：减少脸部特征的数量（人脸检测）。

LDA（线性判别分析）：考虑到类标签的PCA，因此它是受监督的。

最大化课堂之间的距离。

尽量减少班级内的距离。

示例：将脸部分为男性和女性群体（脸部识别）。

随着regar一步一步的过程，你可以很容易地在谷歌找到一个实施。

关于分类：

将项目输入x输入到PCA子空间U中，并计算其投影a

将a投射到LDA子空间V中

找到离中心最近的班级

简而言之，请输入输入x，然后检查哪个集群中心更靠近。

来自K. Etemad，R. Chellapa的图像，识别人脸的判别分析。 J. Opt。 SOC。 上午。 A，卷。 14，第8号，1997年8月

链接地址: http://www.djcxy.com/p/40163.html

上一篇: A simple explanation of what is LDA Classification

下一篇: A simple explanation of Random Forest