【发布时间】：2016-05-31 02:18:02
【问题描述】：
我发现很难理解线性判别分析 (LDA) 的过程，我想知道是否有人可以用英语简单的逐步过程来解释它。我了解 LDA 与主成分分析 (PCA) 密切相关。但我不知道它如何以极高的精度给出所有概率。以及训练数据与实际数据集的关系。我参考的文件很少，我不太清楚。它变得更加混乱和复杂。
【问题讨论】：
标签： algorithm machine-learning classification
【发布时间】：2016-05-31 02:18:02
【问题描述】：
PCA（主成分分析） 是无监督的或相同的，它不使用类标签信息。因此，判别信息不一定是保留的。
- 最大限度地减少投影误差。
-
最大化投影点的方差。
示例：减少人脸特征的数量（人脸检测）。
LDA（线性判别分析）：一种考虑类标签的 PCA，因此受到监督。
- 最大化类之间的距离。
-
最小化类内的距离。
示例：将人脸分成男性和女性簇（人脸识别）。
关于分步过程，您可以在 Google 中轻松找到实现。
关于分类：
- 将输入x投影到PCA子空间U中，并计算其投影a
- 将 a 投影到 LDA 子空间 V
- 找到离中心最近的班级
简单来说，投影输入x，然后检查离哪个聚类中心更近。
图片来自 K. Etemad、R. Chellapa，人脸识别的判别分析。 J.选项。社会党。是。 A，卷。 1997年8月14日第8期
【讨论】：
-
感谢 Salva 的解释......你能用一个面向文本的例子来解释这个吗......