Analisi Discriminante Lineare (LDA)
L'Analisi Discriminante Lineare (LDA) è un metodo supervisionato per la riduzione della dimensionalità e la classificazione, introdotto da Ronald A. Fisher nel 1936, che trova combinazioni lineari di caratteristiche che separano al massimo le classi predefinite, preservando al contempo quante più informazioni discriminanti possibili. Serve simultaneamente come tecnica di proiezione delle caratteristiche e come classificatore probabilistico, rendendola uno dei metodi fondamentali nel riconoscimento di pattern e nell'apprendimento statistico.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/it/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.
- Regressione LogisticaStatistica per la ricerca↔ compare
- Naive BayesApprendimento automatico↔ compare
- Analisi Discriminante Quadratica (QDA)Apprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →