Linear Discriminant Analysis (LDA)
Linear Discriminant Analysis (LDA) เป็นวิธีแบบมีผู้สอน (supervised method) สำหรับการลดมิติ (dimensionality reduction) และการจำแนกประเภท (classification) ซึ่ง Ronald A. Fisher ได้นำเสนอในปี 1936 โดยค้นหาการรวมกันเชิงเส้น (linear combinations) ของคุณลักษณะที่สามารถแยกแยะกลุ่มที่กำหนดไว้ล่วงหน้าได้ดีที่สุด ในขณะที่ยังคงรักษาข้อมูลที่จำแนกกลุ่มได้มากที่สุดเท่าที่จะเป็นไปได้ LDA ทำหน้าที่ทั้งเทคนิคการฉายภาพคุณลักษณะ (feature-projection technique) และตัวจำแนกประเภทแบบความน่าจะเป็น (probabilistic classifier) ทำให้เป็นหนึ่งในวิธีพื้นฐานในการรู้จำรูปแบบ (pattern recognition) และการเรียนรู้เชิงสถิติ (statistical learning)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/th/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.
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- การวิเคราะห์จำแนกประเภทกำลังสอง (QDA)การเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare