LDA(线性判别分析)是一种统计方法,用于将数据分类到若干类中。它通过在特征空间中找到一组最佳投影轴,使得各类数据在这个投影轴上的投影尽可能不同,从而达到分类的目的。
Fisher LDA是在LDA的基础上发展的,它的思想与LDA类似,但在分类时使用的是Fisher线性判别准则。Fisher LDA的优势在于能够更好地处理多分类问题,同时也能更好地保留数据的类内信息。
总的来说,LDA是一种简单的分类算法,而Fisher LDA更加复杂,分类效果更好。
LDA(线性判别分析)是一种统计方法,用于将数据分类到若干类中。它通过在特征空间中找到一组最佳投影轴,使得各类数据在这个投影轴上的投影尽可能不同,从而达到分类的目的。
Fisher LDA是在LDA的基础上发展的,它的思想与LDA类似,但在分类时使用的是Fisher线性判别准则。Fisher LDA的优势在于能够更好地处理多分类问题,同时也能更好地保留数据的类内信息。
总的来说,LDA是一种简单的分类算法,而Fisher LDA更加复杂,分类效果更好。