Hypothesis test

线性判别分析 (LDA — 分类)

线性判别分析 (LDA) 是一种参数化监督分类方法，它寻找连续预测变量的线性组合，以最佳地分离两个或多个预定义组。该方法由 Ronald A. Fisher 在其 1936 年关于分类测量的里程碑式论文中提出，它同时充当分类器和降维工具，并且可以被理解为多元方差分析 (MANOVA) 的面向分类的对应物。

用 StatMind 应用即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

Method map

The neighbourhood of related methods — select a node to explore.

线性判别分析 (LDA

因子分析 K-Nearest Neighbors 逻辑回归多元方差分析 (MANOVA)朴素贝叶斯 (Naive Bayes) 是一种快…主成分分析支持向量机（分类）K-Means聚类

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 1). Linear Discriminant Analysis (LDA — Classification). ScholarGate. https://scholargate.app/zh/statistics/lda-classification

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.

因子分析研究统计学↔ compare
K-Nearest Neighbors机器学习↔ compare
逻辑回归研究统计学↔ compare
多元方差分析 (MANOVA)统计学↔ compare
朴素贝叶斯 (Naive Bayes) 是一种快速的概率分类器，它应用贝叶斯定理，同时假设特征在给定类别时是条件独立的机器学习↔ compare
主成分分析机器学习↔ compare
支持向量机（分类）机器学习↔ compare

Compare side by side →

被引用于

K-Means聚类

发现本页有问题？报告或提出修改建议 →