Lineáris diszkriminanciaanalízis (LDA)
A lineáris diszkriminanciaanalízis (LDA) egy felügyelt módszer a dimenziócsökkentésre és osztályozásra, amelyet Ronald A. Fisher vezetett be 1936-ban. Ez a módszer olyan jellemzők lineáris kombinációit keresi, amelyek maximálisan szétválasztják az előre definiált osztályokat, miközben a lehető legtöbb osztály-megkülönböztető információt megőrzik. Egyszerre szolgál jellemző-vetítési technikaként és valószínűségi osztályozóként, így a mintázatfelismerés és a statisztikai tanulás egyik alapvető módszere.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/hu/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.
- Logistic RegressionKutatási statisztika↔ compare
- Bayes-féle naiv klasszifikálóGépi tanulás↔ compare
- Négyzetes diszkriminanciaanalízis (QDA)Gépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →