sklearn文档 — 1.2. 线性与二次判别分析法

线性判别分析法( discriminant_analysis.LinearDiscriminantAnalysis ) 和二次判别分析法( discriminant_analysis.QuadraticDiscriminantAnalysis ) 是两种经典的分类器。正如他们的名字所示，分别为线性的与二次决策面。 这...

(sklearn)线性判别分析LinearDiscriminantAnalysis 算法一般解释： 将高维度空间的样本投影到低维空间上，使得投影后的样本数据在新的子空间上有最小的类内距离以及最大的类间距离，使得在该子空间上有最佳的可分离性 ...

降维魔法：PCA与LDA 降维技术如主成分分析（PCA(n_components=2)）和线性判别分析（LDA(n_components=2)）用于减少数据维度，帮助理解数据结构和发现潜在规律。sklearn的魅力 sklearn库提供了一站式的工具，包括数据预处理函...

1.左 边是PCA，属于无监督方法 ，当数据没有标签时可以用它。 右边是LDA，属于监督学习方法 。考虑了数据的分类信息，这样数据在低维空间上就可以分类了，减少了很多的运算量。2. PCA主要是从特征的协方差角度考虑，追求...

2. `sklearn.decomposition`：提供了许多降维工具，如主成分分析（PCA）和线性判别分析（LDA）等。3. `sklearn.cluster`：提供了许多聚类算法，如K-Means聚类和层次聚类等。4. `sklearn.neighbors`：提供了许多距离度量和...

PCA降维（无监督）主成分分析法 LDA降维（有监督）线性判别分析法 按照特征数量是否发生变化，这些转换类可分为：无变化：StandardScaler，MinMaxScaler，Normalizer，Binarizer，Imputer，FunctionTransformer 有变化：OneHotEncoder，...

主成分分析（PCA）是一种基于变量协方差矩阵对数据进行压缩降维、去噪的有效方法。PCA的思想是将n维特征映射到k维上（k<n），这k维特征称为主元，是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的k个特征互不...

高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。4、使用工具 指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法...