Phân tích biệt số tuyến tính (LDA)
Phân tích biệt số tuyến tính (Linear Discriminant Analysis - LDA) là một phương pháp học có giám sát dùng để giảm chiều dữ liệu và phân loại, được Ronald A. Fisher giới thiệu vào năm 1936. Phương pháp này tìm kiếm các tổ hợp tuyến tính của các đặc trưng nhằm tách biệt tối đa các lớp đã định trước, đồng thời bảo toàn càng nhiều thông tin phân biệt lớp càng tốt. LDA vừa là kỹ thuật chiếu đặc trưng vừa là bộ phân loại xác suất, khiến nó trở thành một trong những phương pháp nền tảng trong nhận dạng mẫu và học thống kê.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Linear Discriminant Analysis (Fisher's LDA). ScholarGate. https://scholargate.app/vi/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.
- Hồi quy LogisticThống kê nghiên cứu↔ compare
- Naive BayesHọc máy↔ compare
- Phân tích phân biệt bậc hai (QDA)Học máy↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →