Análisis Discriminante Lineal (LDA)
El Análisis Discriminante Lineal (LDA) es un método supervisado para la reducción de dimensionalidad y clasificación, introducido por Ronald A. Fisher en 1936, que encuentra combinaciones lineales de características que separan de manera óptima las clases predefinidas, preservando la mayor cantidad posible de información discriminatoria de clase. Sirve simultáneamente como una técnica de proyección de características y como un clasificador probabilístico, lo que lo convierte en uno de los métodos fundamentales en el reconocimiento de patrones y el aprendizaje estadístico.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/es/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.
- Regresión LogísticaEstadística para la investigación↔ compare
- Naive BayesAprendizaje automático↔ compare
- Análisis Discriminante Cuadrático (QDA)Aprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →