样本点均匀分布在椭圆里，投影到横轴x1上时能够获得更大的中心点间距J(ω)，但是由于有重叠，x1不能分离样本点。投影到纵轴x2上，虽然J(ω)较小，但是能够分离样本点。因此我们还需要考虑样本点之间的方差，方差越大，样本点越难以分离。
不同类别的样本点越分开越好，同类的越聚集越好，也就是均值差越大越好，散列值越小越好。正好，我们可以使用J(w)和S来度量
LDA降维 Linear and Quadratic Discriminant Analysis LDA、PDA ...
LDA理论 假设我们有m维样例 我们寻求一个标量y通过映射样本集x到一条线上 maximize样本类型分开的lin...
Linear Discriminant Analysis 线性判别分析因最早由Fisher提出又称为“Fisher...
Just found an explanation about LDA algo extremely clear....
LDA： 线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher...
PDF: LDA：线性判别分析（Linear Discriminant Analysis），是一种supervis...
PCA（主成分分析）和LDA（线性判别分析，Fisher Linear Discriminant Analysis...
一、概念 LDA：Linear Discriminant Analysis 线性判别式分析 （NOT：在文本分析领...
线性判别式分析（Linear Discriminant Analysis），简称为LDA。也称为Fisher线性判...
原理介绍 LDA(Linear Discriminant Analysis):核心思想就是投影后类内方差(Qe)最...
本文标题：Linear Discriminant Analysis
本文链接：https://www.haomeiwen.com/subject/ohnovxtx.html
网友评论