Lineær Diskriminant Analyse (LDA)
Lineær Diskriminant Analyse er en overvåget metode til dimensionsreduktion og klassifikation, introduceret af Ronald A. Fisher i 1936, som finder lineære kombinationer af features, der maksimalt adskiller foruddefinerede klasser, mens den bevarer så meget klasse-diskriminerende information som muligt. Den fungerer samtidigt som en feature-projektionsteknik og en probabilistisk klassifikator, hvilket gør den til en af de grundlæggende metoder inden for mønstergenkendelse og statistisk læring.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/da/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.
- Logistisk regressionForskningsstatistik↔ compare
- Naive BayesMaskinlæring↔ compare
- Kvadratisk diskriminantanalyse (QDA)Maskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →