目录

  • 0 写在前面
  • 1 什么是线性判别分析？
  • 2 协方差与协方差矩阵
  • 3 LDA原理推导
    • 3.1 约束条件
    • 3.2 数值优化
  • 4 Python实现
    • 4.1 计算类内散度矩阵
    • 4.2 计算模型参数
    • 4.3 可视化

0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。

🚀详情：机器学习强基计划(附几十种经典模型源码合集)

1 什么是线性判别分析？

线性判别分析(Linear Discriminant Analysis, LDA)的核心思想是：将给定训练集投影到特征

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。