Scikit learn 如何获得经过训练的LDA分类器的特征权重

LDA分类器将对象特征向量与特征权重向量相乘，并利用所得值使用固定阈值预测对象类。或者w.x（o）>c，其中w是特征权重向量，x（o）是对象o的特征向量，c是阈值

我想使用scikit learn从经过训练的LDA分类器中获取特征权重（w），我想知道是否有一个函数可用于此

---

查看代码，我看到两个属性，coef_uu和scalings_uu，它们提到了特性权重。coef_2;的描述，“线性决策函数中的特征系数”，似乎与我所寻找的相符，但我不确定这是否正确。如果这是我应该使用的属性，现在有人知道了吗？

你说得对，

coef

持有权重（也称为系数），但决策函数实际上比

w.T*x

复杂一点，它是（从下面的解释）：

因此，在计算线性阈值函数之前，

X

首先居中并投影到较小的子空间（使用

fit

中的奇异值分解计算）

X = np.dot(X - self.xbar_, self.scalings_)
return np.dot(X, self.coef_.T) + self.intercept_