Algorithm 什么是LDA分类的简单解释
我发现很难理解线性判别分析(LDA)的过程,我想知道是否有人能用英语一步一步地解释它。我知道LDA与主成分分析(PCA)密切相关。但我不知道它是如何精确地给出所有概率的。以及训练数据与实际数据集的关系。我查阅的文件很少,也不太清楚。主成分分析(PCA)是无监督的,或者同样,它不使用类标签信息。因此,区别性信息不一定要保留Algorithm 什么是LDA分类的简单解释,algorithm,machine-learning,classification,Algorithm,Machine Learning,Classification,我发现很难理解线性判别分析(LDA)的过程,我想知道是否有人能用英语一步一步地解释它。我知道LDA与主成分分析(PCA)密切相关。但我不知道它是如何精确地给出所有概率的。以及训练数据与实际数据集的关系。我查阅的文件很少,也不太清楚。主成分分析(PCA)是无监督的,或者同样,它不使用类标签信息。因此,区别性信息不一定要保留 最小化投影误差 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):一种将类别标签考虑在内的PCA,因此它是有监督的 最大化类之间的距离 最
- 最小化投影误差
- 最大化投影点的方差 示例:减少人脸特征的数量(人脸检测)
- 最大化类之间的距离
- 最小化类内的距离 示例:将人脸分为男性和女性簇(人脸识别)
谢谢你的解释,萨尔瓦。。。。你能用一个面向文本的例子来解释这一点吗。。。