Linjär diskriminantanalys (LDA)
Linjär diskriminantanalys är en övervakad metod för dimensionsreducering och klassificering, introducerad av Ronald A. Fisher år 1936, som finner linjära kombinationer av särdrag som maximalt separerar fördefinierade klasser samtidigt som så mycket klassdiskriminerande information som möjligt bevaras. Den fungerar samtidigt som en särdragsprojektionsteknik och en probabilistisk klassificerare, vilket gör den till en av de grundläggande metoderna inom mönsterigenkänning och statistiskt lärande.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/sv/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 regressionForskningsstatistik↔ compare
- Naiv BayesMaskininlärning↔ compare
- Kvadratisk diskriminantanalys (QDA)Maskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →