本文介绍了线性判别分析（LDA）和主成分分析（PCA）这两种降维方法。LDA是一种监督学习算法，用于投影带有标签的数据，使同类别的点在低维空间中更接近，而PCA是无监督学习，通过最大化投影后的方差来降低数据维度。文章详细推导了LDA和PCA的公式，并讨论了它们在机器学习和数据挖掘中的应用。
LDA：
LDA的全称是Linear Discriminant Analysis（线性判别分析），是一种supervised learning。有些资料上也称为是Fisher’s Linear Discriminant，因为它被Ronald Fisher发明自1936年，Discriminant这次词我个人的理解是，一个模型，不需要去通过概率的方法来训练、预测数据，比如说各种贝叶斯方法，就需要获取数据的先验、后验概率等等。LDA是在目前机器学习、数据挖掘领域经典且热门的一个算法，据我所知，百度的商务搜索部里面就用了不少这方面的算法。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
