Analiza dyskryminacyjna liniowa (LDA)
Analiza dyskryminacyjna liniowa (LDA) jest metodą nadzorowaną redukcji wymiarowości i klasyfikacji, wprowadzoną przez Ronalda A. Fishera w 1936 roku, która znajduje liniowe kombinacje cech maksymalnie rozdzielające predefiniowane klasy, przy jednoczesnym zachowaniu jak największej ilości informacji rozróżniającej klasy. Służy jednocześnie jako technika projekcji cech i probabilistyczny klasyfikator, co czyni ją jedną z fundamentalnych metod w rozpoznawaniu wzorców i uczeniu statystycznym.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/pl/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.
- Regresja logistycznaStatystyka w badaniach↔ compare
- Naiwny Klasyfikator BayesowskiUczenie maszynowe↔ compare
- Kwadratowa analiza dyskryminacyjna (QDA)Uczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →