Lineární diskriminační analýza (LDA)
Lineární diskriminační analýza je supervizovaná metoda pro redukci dimenzionality a klasifikaci, kterou v roce 1936 zavedl Ronald A. Fisher. Tato metoda hledá lineární kombinace příznaků, které maximálně oddělují předdefinované třídy a zároveň zachovávají co nejvíce informací diskriminujících mezi třídami. Současně slouží jako technika projekce příznaků a jako pravděpodobnostní klasifikátor, což z ní činí jednu ze základních metod v oblasti rozpoznávání vzorů a statistického učení.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/cs/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.
- Logistická regreseStatistika ve výzkumu↔ compare
- Naive BayesStrojové učení↔ compare
- Kvadratická diskriminační analýza (QDA)Strojové učení↔ compare
- Random ForestStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →