scikit的線性判別分析和Fisher判別分析法是相同的嗎？

FDA是LDA從實用的角度來看，實際的差異來自理論，導致分類的規則，因爲LDA假設高斯分佈和費舍爾的想法是分析內部/外部類別差異的比例。

@ badc0re不正確地將Fisher判別分析（FDA）和核心FIsher判別（KDA）「合併」，這與問題無關。

2014-11-05 11:22:37 lejlot

@Ins確保你有最新版本的sklearn，直到最近，這個算法還有一個縮放問題，雖然它導致了類的完美區分，但是沒有導致'transform'被應用。 – eickenberg 2014-11-05 17:39:43

@eickenberg我的scikit的版本是0.15.2 ...這個版本有問題嗎？是否有必要使用變換？我正在做的唯一事情是（||只是分隔代碼行）： clf = LDA（）|| scores = cross_validation.cross_val_score（clf，X，y，cv = 10）|| print（「[LDA]準確度：％0.2f（+/-％0.2f）」％（scores.mean（），scores.std（））） – Ins 2014-11-06 09:55:46

精度不應受到影響。除非明確要做，否則您不需要轉換。做什麼[這裏]（http://scikit-learn.org/stable/auto_examples/decomposition/plot_pca_vs_lda.html#example-decomposition-plot-pca-vs-lda-py） – eickenberg 2014-11-06 10:01:03

scikit的線性判別分析和Fisher判別分析法是相同的嗎？

回答

相關問題