sklearn的lda降維
LDA全稱：線性判別分析 用途：用來對數據進行降維或分類 目標：LDA關注的是能夠最大化類間區分樣本 將特徵空間（數據集中的多維樣本）投影到一個維度更小的K子維樣本中，同時保持區分類別的信息。 降維算法的畫圖解釋。 LDA更關心的是投影后的分類。而PCA更關係新的是投影后的方差，意思就是說LDA分類的目標是使得不同類別之間的距離越遠越好，同一類別之間的距離越近越好。 目的：就是找到一個Y=WTX
相關文章
- 1. 降維(二) LDA
- 2. LDA (降維1)
- 3. 降維（PCA、SVD、LDA）
- 4. sklearn的PCA的降維
- 5. sklearn庫LDA進行圖片數據降維
- 6. sklearn降維算法：PCA、LDA、MDS、流形學習Isomap
- 7. 降維處理：PCA和LDA
- 8. 理論--降維LDA筆記
- 9. 數據降維之LDA&PCA
- 10. sklearn（聚類和降維）
- 更多相關文章...
- • C# 多維數組 - C#教程
- • PHP 多維數組 - PHP教程
- • 漫談MySQL的鎖機制
- • 互聯網組織的未來：剖析GitHub員工的任性之源
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 降維(二) LDA
- 2. LDA (降維1)
- 3. 降維（PCA、SVD、LDA）
- 4. sklearn的PCA的降維
- 5. sklearn庫LDA進行圖片數據降維
- 6. sklearn降維算法：PCA、LDA、MDS、流形學習Isomap
- 7. 降維處理：PCA和LDA
- 8. 理論--降維LDA筆記
- 9. 數據降維之LDA&PCA
- 10. sklearn（聚類和降維）