LDA

1. LDA是什么？
   LDA（linear discrimination analysis ),也称为Fisher线性判别（Fisher Linear Discrimination，FLD）

   1. 基本思想？
      将高维样本投影到可以实现最佳分类的矢量空间，以实现抽取分类信息和压缩特征空间的目的。投影之后，在新空间中的样本的特点是：保证最小的类内距离和最大的类间距离。

   2. 降维之后的维度是多少？
      我们知道pca降维是和数据原本的特征维度息息相关的，通过协方差矩阵来进行求解，选择维度一般是根据降维之后每一维度的方差（代表数据的分布范围大小）信息来选择。那LDA呢？

   3. LDA计算过程
      思想：寻找一个空间矢量w，将数据投影到这个方向w上，得到新的数据y。
      1）类间距离如何度量？
      绝对值之差（为减小数据运算量，使用数据的均值来计算），——>如何寻找这一方向（向量相减）
      2）类内样本投影之后的聚集程度如何度量？
      使用方差信息，方向如何确定？