Lineaarinen erotteluanalyysi (LDA — luokittelu)
Lineaarinen erotteluanalyysi (LDA) on parametrisiin valvottuihin menetelmiin kuuluva luokitusmenetelmä, joka etsii jatkuvien ennustemuuttujien lineaarikombinaation, joka parhaiten erottelee kaksi tai useampia ennalta määriteltyä ryhmää. Ronald A. Fisher esitteli menetelmän uraauurtavassa taksonomisia mittauksia käsittelevässä artikkelissaan vuonna 1936. Se toimii sekä luokittelijana että dimensionpudotustyökaluna, ja sitä voidaan pitää monimuuttuja-ANOMAn (MANOVA) luokitteluun suuntautuneena vastineena.
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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Linear Discriminant Analysis (LDA — Classification). ScholarGate. https://scholargate.app/fi/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.
- FaktorianalyysiTutkimuksen tilastomenetelmät↔ compare
- K-lähimmät naapuritKoneoppiminen↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Monimuuttuja-analyysi varianssille (MANOVA)Tilastotiede↔ compare
- Naive BayesKoneoppiminen↔ compare
- PääkomponenttianalyysiKoneoppiminen↔ compare
- Tukivektorikone (luokittelu)Koneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →