เปรียบเทียบวิธี

	การวิเคราะห์การจำแนกประเภทเชิงเส้น (LDA	K-Nearest Neighbors
สาขาวิชา	สถิติศาสตร์	การเรียนรู้ของเครื่อง
ตระกูล	Hypothesis test	Machine learning
ปีกำเนิด	1936	1967
ผู้ริเริ่ม	Ronald A. Fisher	Cover, T.M. & Hart, P.E.
ประเภท	Parametric linear classifier / dimensionality reduction	Instance-based (non-parametric) learning
แหล่งต้นตำรับ	Fisher, R.A. (1936). The Use of Multiple Measurements in Taxonomic Problems. Annals of Eugenics, 7(2), 179–188.	Cover, T.M. & Hart, P.E. (1967). Nearest Neighbor Pattern Classification. IEEE Transactions on Information Theory, 13(1), 21–27.
ชื่อเรียกอื่น	LDA, Fisher's LDA, Fisher's linear discriminant, discriminant function analysis	KNN, K-En Yakın Komşu (KNN), nearest neighbor classifier, instance-based learning
ที่เกี่ยวข้อง	7	5
สรุป	Linear Discriminant Analysis (LDA) is a parametric supervised classification method that finds the linear combination of continuous predictors that best separates two or more predefined groups. Introduced by Ronald A. Fisher in his landmark 1936 paper on taxonomic measurements, it simultaneously serves as a classifier and a dimensionality-reduction tool, and can be understood as the classification-oriented counterpart of MANOVA.	K-Nearest Neighbors (KNN), formalized by Cover and Hart in 1967, is a non-parametric, instance-based method that classifies or predicts a new observation by looking at the k closest examples in the training data. For classification it takes a majority vote among those neighbors; for regression it averages their values.