线性判别分析LDA的多个python实现

在这里就不说明LDA的原理了，不懂的同学可以百度找相关资料学。这里直接给出楼主的python实现，以及搜索到的其他实现。

楼主实现：

#实现线性判别分析算法
#二类n维降至一维
#传入的data,target都是array,target分别是0和1

def lda(data,target):
    target=target.flatten()  #将target变成意味数组
    print(target.shape)
    df1=data[target==0]  #第0类
    df2=data[target==1]  #第1类
    n=data.shape[1]
    u1=df1.mean(0).reshape((1,n))
    u2=df2.mean(0).reshape((1,n))
    print(u2.shape)
    data_mean_1=df1-u1  #应用numpy的广播机制
    data_mean_2=df2-u2
    print(data_mean_1.T.dot(data_mean_1))
    Sw=data_mean_1.T.dot(data_mean_1)+data_mean_2.T.dot(data_mean_2)
    w=np.mat((u1-u2))*np.mat(Sw).I
    return w

#多类别降至K维的实现
def lda_muliti_class(data,target,K):
    #within_class scatter matrix
    clusters=unique(target)
    if K>len(clusters)-1:
        print("K is too much")
        print("please input again")
        exit(0)
    Sw=np