R 尺度LDA决策边界

我有一个相当非传统的问题，很难找到解决办法。非常感谢你的帮助

我有4个基因（特征），这里我的分类是二进制的（0和1）。经过反复的讨论，我最终决定使用LDA进行分类。我对同两个班级进行了不同的研究，并在每项研究中使用这4个基因训练了我的模型

我想以点图的形式将LDA分数可视化。如下所示，每个部分代表不同的研究/数据集。X轴上该数据集的样本和我使用-

lda\u模型=lda（公式=class~，数据=train）
在Y轴上预测（lda_模型，列车）

因为我在每个数据集上训练了不同的模型，所以我们可以清楚地看到每个数据集的决策边界（我假设是黑线）是不同的，并且具有不同的规模。但是，我想缩放Y轴上的值，这样我的所有数据集都在同一个比例上，我可以用一个决策边界来表示这个图（同样，我可以在图上清楚地画一些东西，比如红线）

这里的LD1值是-a（GeneA）+b（GeneB）+c（GeneC）+d（GeneD）-平均值（a（GeneA）+b（GeneB）+c（GeneC）+d（GeneD））。这是针对每个数据集单独完成的。然而，这并不完全等于我们可以用logistic回归得到的（a（GeneA）+b（GeneB）+c（GeneC）+d（GeneD）+截距）。我试图找到那个值或某种方法，可以使用LDA在所有数据集上缩放Y轴

---

谢谢你的帮助

我做了一个“最小-最大”缩放，看起来效果不错。它在所有数据集中缩放我的所有数据点，决策边界为零