LDA分类器 python

LDA分类器

1．1分类器主要研究内容

（1）分类器的原理和算法流程；

（2）利用现有的任一公开数据集（自己选取）实现分类器分类；

（3）并利用某种评价标准 对分类结果进行分析评判；

（4）原理：利用LDA分类器，将数据在低维度进行投影，并希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大；

（5）本人主要负责组内代码编写及实现的任务，对鸢尾花数据集进行了LDA算法，然后使用LDA方法分析处理了二分类和多分类问题。

1．2 LDA分类器研究的工作基础或实验条件

（1）手动推演：通过手动推演实现算法流程，并计算出分类结果。

（2）软件环境：通过python来实现算法流程来验证手动推演结果，并且画出分类结果图。

1．3 设计思想

输入：数据集其中任意样本Xi为n维向量，降维到的维度是d。

输出：降维后的数据集。

（1）计算类内散度矩阵Sw

（2）计算类间散度矩阵Sb

（3）计算矩阵

（4）求出第三步的矩阵的特征值和特征向量，按从小到大的顺序选择前d个特征值和对应的特征向量，从而求得投影矩阵W

（5）对样本集中的每一个样本特征xi，转化为新的样本

（6）最后得出输出样本集

1．4 流程图

1．5 主要程序代码

import numpy as np

import matplotlib.pyplot as plt

from sklearn import datasets

def LDA(X, y):

    # 根据y等于0或1分类

    X1 = np.array([X[i] for i in range(