Matlab LDA与降维

我的数据集由大约300个对象组成，每个对象有84个特征。对象已分为两个类。通过PCA，我能够将维度减少到24。我使用了3个主成分，覆盖了原始数据96%的方差。我的问题是PCA不关心将类彼此分离的能力。有没有一种方法可以将PCA与LDA结合起来，以减少特征空间，并找到这两类的判别函数？ 或者有没有一种方法可以使用LDA以最佳方式找到在三维空间中分隔两个类的特征

我有点恼火，因为我发现了这篇论文，但我并不真正理解

---

提前感谢。

您应该使用MATLAB的统计工具箱了解主成分回归（PCR，如果要解释的变量是标量，您需要什么）和偏最小二乘回归（PLSR）。从本质上讲，在PCR中，您选择的主成分最能解释因变量。它们可能不是方差最大的。

属于“是”，它被称为主成分回归。PLSR看起来是一个不错的选择，因为它考虑了双方（X和Y矩阵）。问题是，我的特征矩阵X包含度量值，我的类矩阵Y包含标称值（好和坏）。PLSR是否仍然适用于此类问题？