Lineær diskriminantanalyse (LDA)
Lineær diskriminantanalyse er en veiledet metode for dimensjonsreduksjon og klassifisering, introdusert av Ronald A. Fisher i 1936, som finner lineære kombinasjoner av trekk som maksimalt skiller forhåndsdefinerte klasser, samtidig som den bevarer så mye klasse-diskriminerende informasjon som mulig. Den fungerer samtidig som en trekk-projeksjonsteknikk og en probabilistisk klassifikator, noe som gjør den til en av de grunnleggende metodene innen mønstergjenkjenning og statistisk læring.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/no/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.
- Logistisk regresjonForskningsstatistikk↔ compare
- Naive BayesMaskinlæring↔ compare
- Kvadratisk diskriminantanalyse (QDA)Maskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →