Lineær Diskriminant Analyse (LDA — Klassifikation)
Lineær Diskriminant Analyse (LDA) er en parametrisk, superviseret klassifikationsmetode, der finder den lineære kombination af kontinuerlige prædiktorer, som bedst adskiller to eller flere foruddefinerede grupper. Metoden blev introduceret af Ronald A. Fisher i hans skelsættende artikel fra 1936 om taksonomiske målinger. Den fungerer samtidigt som en klassifikator og et værktøj til dimensionsreduktion og kan betragtes som den klassifikationsorienterede pendant til MANOVA.
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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Linear Discriminant Analysis (LDA — Classification). ScholarGate. https://scholargate.app/da/statistics/lda-classification
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.
- FaktoranalyseForskningsstatistik↔ compare
- K-Nærmeste NaboerMaskinlæring↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Multivariat variansanalyse (MANOVA)Statistik↔ compare
- Naive BayesMaskinlæring↔ compare
- Principal Component AnalysisMaskinlæring↔ compare
- Support Vector Machine (Klassifikation)Maskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →