Lineaarinen diskriminanttianalyysi (LDA)
Lineaarinen diskriminanttianalyysi on Ronald A. Fisherin vuonna 1936 esittelemä ohjattu menetelmä dimensionpudotukseen ja luokitteluun. Se etsii piirteiden lineaarisia yhdistelmiä, jotka erottelevat ennalta määritellyt luokat mahdollisimman tehokkaasti säilyttäen samalla mahdollisimman paljon luokkia erottelevaa informaatiota. Se toimii samanaikaisesti piirteiden projisointitekniikkana ja probabilistisena luokittelijana, mikä tekee siitä yhden kuviontunnistuksen ja tilastollisen oppimisen perusmenetelmistä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/fi/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.
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Naive BayesKoneoppiminen↔ compare
- Kvadraattinen diskriminanttianalyysi (QDA)Koneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →