1.敘述三种分类学习方法:LDA,朴素贝叶斯,支持向量机的原理和算法,三种分类方法各适合什么样的数据集?
先说结论:LDA适合于样本固定,参数未知但不固定,是个随机变量,服从一定的分布的数据集。
朴素贝叶斯的应用主要集中在文本分类(变量类型多,且更独立),具有较高的成功率。因此被广泛应用于垃圾邮件过滤(识别垃圾邮件)和情感分析(在社交媒体平台分辨积极情绪和消极情绪的用户)。
SVM适合处理具备高维特征的数据集。
A1:线性判别分析(LDA)属于机器学习中的监督式学习方法,英文全称Linear Discriminant Analysis,简称LDA。这一方法应用广泛,尝尝被用来做特征提取、数据降维和任务分类,在人脸识别、人脸检测等领域发挥了重要的作用。
线性判别分析的核心思想是寻找到最佳的投影方法,将高维的样本投影到特征空间(feature space),使得不同类别间的数据“距离”最大,而同一类别内的数据“距离”最小。
<