![41378ef533a37ba33c8ef90661e111e1.png](https://i-blog.csdnimg.cn/blog_migrate/699ec85d01412361ee32a780067744af.jpeg)
我们希望得到的投影结果如图4.5(b)所示,虽然两类的中心在投影之后的距
离有所减小,但确使投影之后样本的可区分性提高了。
线性判别分析(Linear Discriminant Analysis,LDA)是一种有监督学习算法,同时经常被用来对数据进行降维。
相比于PCA,LDA可以作为一种有监督的降维算法。假设用不同的颜色标注
![43a14829a801d827953ce3fbbce5e692.png](https://i-blog.csdnimg.cn/blog_migrate/956ab46cb94ed266208b2cdd23683f35.jpeg)
根据PCA算法,数据应该被映射到方差最大的那个方向,也就是 y 轴方向。但是,这两个不同类别的数据就会完全混在一起,很难区分开。所以,这时就要转换思路,选择其他的降维方法,比如,能否有一种方法能将数据映射到 x 轴方向呢?
当然有!LDA就可以哦!