Analisis Diskriminan Linear (LDA)
Analisis Diskriminan Linear (LDA) ialah kaedah kendalian terlatih untuk pengurangan dimensi dan klasifikasi, diperkenalkan oleh Ronald A. Fisher pada tahun 1936, yang mencari gabungan linear ciri-ciri yang memisahkan kelas-kelas yang telah ditetapkan secara maksimum sambil mengekalkan seberapa banyak maklumat diskriminan kelas yang mungkin. Ia secara serentak berfungsi sebagai teknik unjuran ciri dan pengelas probabilistik, menjadikannya salah satu kaedah asas dalam pengecaman corak dan pembelajaran statistik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/ms/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.
- Regresi LogistikStatistik Penyelidikan↔ compare
- Naive BayesPembelajaran Mesin↔ compare
- Analisis Diskriminan Kuadratik (QDA)Pembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →