lda 协方差矩阵_机器学习-LDA(线性判别降维算法)

LDA(线性判别算法)

不同于PCA方差最大化理论，LDA算法的思想是将数据投影到低维空间之后，使得同一类数据尽可能的紧凑，不同类的数据尽可能分散。因此，LDA算法是一种有监督的机器学习算法。同时，LDA有如下两个假设:

(1) 原始数据根据样本均值进行分类。

(2) 不同类的数据拥有相同的协方差矩阵。

当然，在实际情况中，不可能满足以上两个假设。但是当数据主要是由均值来区分的时候，LDA一般都可以取得很好的效果。图1 LDA和PCA对数据进行降维

如图1所示，原始数据主要是根据均值来划分的，此时LDA降维效果很好，但是PCA效果就很差。图2 LDA和PCA对数据进行降维

图2的两类数据主要区别是方差不同，因此此时PCA降维效果比较好，而LDA降维效果比较差。

1 基本思想

将原始数据投影至低维空间，尽量使同一类的数据聚集，不同类的数据尽可能分散。

1 原理推导

假设我们现已有如下的数据集

其中样本

为任意

维向量，类别

，定义

是第

类样本的个数，