Anàlisi Discriminant Lineal (LDA)
L'Anàlisi Discriminant Lineal (LDA) és un mètode supervisat per a la reducció de dimensionalitat i classificació, introduït per Ronald A. Fisher el 1936, que troba combinacions lineals de característiques que separan al màxim les classes predefinides, preservant alhora tanta informació discriminant de classe com sigui possible. Simultàniament serveix com a tècnica de projecció de característiques i com a classificador probabilístic, convertint-lo en un dels mètodes fonamentals en el reconeixement de patrons i l'aprenentatge estadístic.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems. Annals of Eugenics, 7(2), 179–188. DOI: 10.1111/j.1469-1809.1936.tb02137.x ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed., Ch. 4). Springer. ISBN: 978-0-387-84857-0
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/ca/machine-learning/linear-discriminant-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Regressió LogísticaEstadística per a la recerca↔ compare
- Naive BayesAprenentatge automàtic↔ compare
- Anàlisi discriminant quadràtica (QDA)Aprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →