Lineārā diskriminanta analīze (LDA)
Lineārā diskriminanta analīze ir uzraudzīta metode dimensiju samazināšanai un klasifikācijai, ko 1936. gadā ieviesa Ronalds A. Fišers. Tā atrod lineāras pazīmju kombinācijas, kas maksimāli atdala iepriekš noteiktas klases, vienlaikus saglabājot pēc iespējas vairāk klases atšķirības informācijas. Tā vienlaikus kalpo kā pazīmju projekcijas tehnika un kā probabilistisks klasifikators, padarot to par vienu no pamatmetodēm atpazīšanā un statistiskajā apguvē.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/lv/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.
- Logistiskā regresijaPētniecības statistika↔ compare
- Naive BayesMašīnmācīšanās↔ compare
- Kvadrātiskā diskriminantanalīze (QDA)Mašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →