Lineáris diszkriminancia-analízis (LDA — Osztályozás)
A lineáris diszkriminancia-analízis (LDA) egy paraméteres, felügyelt osztályozási módszer, amely a folytonos prediktorok lineáris kombinációját keresi, amely a legjobban szétválaszt két vagy több előre definiált csoportot. Ronald A. Fisher nevéhez fűződik, aki 1936-os, a taxonómiai mérésekkel foglalkozó úttörő cikkében vezette be. Ez a módszer egyidejűleg szolgál osztályozóként és dimenziócsökkentő eszközként, és felfogható a MANOVA osztályozás-orientált párjaként.
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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Linear Discriminant Analysis (LDA — Classification). ScholarGate. https://scholargate.app/hu/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.
- FaktoranalízisKutatási statisztika↔ compare
- K-Legközelebbi szomszédokGépi tanulás↔ compare
- Logistic RegressionKutatási statisztika↔ compare
- Multivariáns Varianciaanalízis (MANOVA)Statisztika↔ compare
- Bayes-féle naiv klasszifikálóGépi tanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- Support Vector Machine (Osztályozás)Gépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →