2018-10-31 阅读量: 801
线性判别分析（LDA）是最初由RA Fisher于1936年开发的分类方法。它简单，数学上稳健，并且通常产生的模型的精度与更复杂的方法一样好。
算法
LDA基于搜索最佳分离两个类（目标）的变量（预测变量）的线性组合的概念。为了捕捉可分性的概念，Fisher定义了以下得分函数。
给定得分函数，问题是估计最大化得分的线性系数，其可以通过以下等式求解。
评估歧视有效性的一种方法是计算两组之间的 马哈拉诺比斯距离。距离大于3意味着两个平均值相差超过3个标准差。这意味着重叠（错误分类的概率）非常小。
最后，通过将新点投影到最大分离方向并将其分类为C1来对新点进行分类，如果：
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar
