Python 3.x PCA还是线性判别分析？QoS中的分类问题

我正在研究一个与标记

ip/tcp数据包

相关的

分类

问题，分类为最佳努力和非最佳努力；我正在使用

Python

语言。我已经选择了这些功能：协议、数据包长度、用于源和目标的端口号、源和目标的Ip地址、标记非片段和ECN字段，所有要知道的都是

DSCP字段的可能分类

我的想法是应用降维来减少我工作的空间，看看它是否能改善我的结果（使用诸如随机森林、朴素贝叶斯、支持向量机等算法）。
目前，我只使用了创建新轴的
PCA
，从中我可以看到每个变量相对于起点的百分比

然而，我看到了一些与
LDA
相关的东西，它根据标签将方差最大化，因此它是
监督学习
，而PCA是
无监督的

最后，你对我有什么建议，我如何继续？因为我不知道何时我必须使用PCA来改进分类结果，何时使用LDA。如果使用它们是正确的