Lineare Diskriminanzanalyse (LDA — Klassifikation)
Die Lineare Diskriminanzanalyse (LDA) ist eine parametrische, überwachte Klassifikationsmethode, die die lineare Kombination kontinuierlicher Prädiktoren findet, die zwei oder mehr vordefinierte Gruppen am besten trennt. Sie wurde von Ronald A. Fisher in seiner wegweisenden Arbeit von 1936 über taxonomische Messungen eingeführt und dient gleichzeitig als Klassifikator und Werkzeug zur Dimensionsreduktion. Sie kann als die klassifikationsorientierte Entsprechung der MANOVA verstanden werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Linear Discriminant Analysis (LDA — Classification). ScholarGate. https://scholargate.app/de/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.
- FaktorenanalyseForschungsstatistik↔ compare
- K-Nearest NeighborsMaschinelles Lernen↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Multivariate Varianzanalyse (MANOVA)Statistik↔ compare
- Naive BayesMaschinelles Lernen↔ compare
- HauptkomponentenanalyseMaschinelles Lernen↔ compare
- Support Vector Machine (Klassifikation)Maschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →