對比LDA,NCA,PCA

1. LDA原理： 線性判別分析，是數據挖掘中一種經典監督學習的分類和降維方法，但更多用來降維。其原理尋找一個投影矩陣，使得投影后的數據樣本，同類相近，異類遠離。其中心思想是最大化類間距離及最小化類內距離。  推導： 2. NCA原理： 近鄰成分分析，屬於度量學習和降維領域，原理是以馬氏距離爲距離度量的KNN爲基礎，通過不斷優化KNN分類的準確性來學習轉化矩陣，最終得到對原數據進行降維的轉換矩陣

>>阅读原文<<