如何解释 LinearDiscriminantAnalysis 的结果？

Question

我有兴趣了解哪些“特征”在多类分类中影响最大。

我已经使用 PCA 完成了这项工作，这似乎允许我通过 components_ vector 检查每个组件的每个特征的方向变化。

我正在努力询问 LDA 的结果，以了解哪些功能是每个组件的一部分以及它们的影响是什么......

关于 fit_transform 之后的 LDA 对象的哪些元素可用于获得每个组件的特定功能见解的任何建议？

Answer 1

Here 是来自sklearn 本身文档的答案。

应用于此数据的主成分分析 (PCA) 可识别导致数据差异最大的属性组合（主成分或特征空间中的方向）。在这里，我们在前 2 个主成分上绘制不同的样本。

线性判别分析 (LDA) 尝试识别导致类之间差异最大的属性。特别是，与 PCA 相比，LDA 是一种监督方法，使用已知的类标签。