Lineaire Discriminantieanalyse (LDA — Classificatie)
Lineaire Discriminante Analyse (LDA) is een parametrische, gesuperviseerde classificatiemethode die de lineaire combinatie van continue voorspellers vindt die twee of meer vooraf gedefinieerde groepen het best scheidt. Geïntroduceerd door Ronald A. Fisher in zijn baanbrekende publicatie uit 1936 over taxonomische metingen, dient het tegelijkertijd als classificator en als hulpmiddel voor dimensionaliteitsreductie, en kan het worden begrepen als het classificatie-georiënteerde tegenovergestelde van MANOVA.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Linear Discriminant Analysis (LDA — Classification). ScholarGate. https://scholargate.app/nl/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.
- FactoranalyseOnderzoeksstatistiek↔ compare
- K-Nearest NeighborsMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Multivariate Analysis of Variance (MANOVA)Statistiek↔ compare
- Naïeve BayesMachine learning↔ compare
- HoofdcomponentenanalyseMachine learning↔ compare
- Support Vector Machine (Classificatie)Machine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →