Γραμμική Διακριτική Ανάλυση (LDA)
Η Γραμμική Διακριτική Ανάλυση (LDA) είναι μια επιβλεπόμενη μέθοδος μείωσης διαστατικότητας και ταξινόμησης, που εισήχθη από τον Ronald A. Fisher το 1936, η οποία βρίσκει γραμμικούς συνδυασμούς χαρακτηριστικών που διαχωρίζουν προκαθορισμένες κλάσεις στο μέγιστο δυνατό βαθμό, διατηρώντας παράλληλα όσο το δυνατόν περισσότερες πληροφορίες που διακρίνουν τις κλάσεις. Λειτουργεί ταυτόχρονα ως τεχνική προβολής χαρακτηριστικών και ως πιθανοτικός ταξινομητής, καθιστώντας την μία από τις θεμελιώδεις μεθόδους στην αναγνώριση προτύπων και τη στατιστική μάθηση.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/el/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.
- Λογιστική ΠαλινδρόμησηΕρευνητική Στατιστική↔ compare
- Naive BayesΜηχανική Μάθηση↔ compare
- Τετραγωνική Διακριτική Ανάλυση (QDA)Μηχανική Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →