Lineārās diskriminanta analīze (LDA — Klasifikācija)
Lineārās diskriminanta analīze (LDA) ir parametriska uzraudzīta klasifikācijas metode, kas atrod nepārtrauktu prediktoru lineāro kombināciju, kura vislabāk atdala divas vai vairākas iepriekš noteiktas grupas. Šo metodi, ko 1936. gadā ieviesa Ronalds A. Fišers savā nozīmīgajā darbā par taksonomiskajiem mērījumiem, var izmantot gan kā klasifikatoru, gan kā dimensiju samazināšanas rīku, un to var uzskatīt par MANOVA klasifikācijai orientēto pretstatu.
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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Linear Discriminant Analysis (LDA — Classification). ScholarGate. https://scholargate.app/lv/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.
- Faktoru analīzePētniecības statistika↔ compare
- K-tuvākie kaimiņiMašīnmācīšanās↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Daudzvarianto dispersijas analīze (MANOVA)Statistika↔ compare
- Naive BayesMašīnmācīšanās↔ compare
- Primārā komponentu analīzeMašīnmācīšanās↔ compare
- Atbalsta vektoru mašīna (klasifikācija)Mašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →