知识卡片
LDA与PCA的区别
线性判别分析(LDA)也是特征抽取与线性降维技巧,但目标是发现最优化分类的特征子空间;PCA是无监督、找方差最大的正交轴,LDA是监督、用类别信息让类别最大可分。LDA假设数据正态、各类协方差相同、特征相互独立,但违背假设时通常仍能很好降维;小样本类别场景下PCA作预处理分类可能更佳。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 通过降维压缩数据 · 查看原书依据
其中,PCA是无监督算法,而LDA是监督算法
参考来源
- 位置:《Python机器学习》第5章《5.2 通过线性判别分析压缩无监督数据》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/pca是无监督算法,而lda是监督算法`)
- 结论依据:原文直接支撑上述要点。
- 原始内容:其中,PCA是无监督算法,而LDA是监督算法