English
机器学习入门 — LDA与PCA算法（公式推导、纯python代码实现、scikit-learn api调用对比结果）
文件大小：
281k
资源说明：为什么要做降维：
提高计算效率
留存有用的特征，为后续建模使用
在项目中实际拿到的数据，可能会有几百个维度（特征）的数据集，这样的数据集在建模使用时，非常消耗计算资源，所以需要通过使用降维方法来优化数据集
线性判别分析（Linear Discriminant Analysis）
用途：数据预处理中的降维，分类任务（有监督问题）
目标：LDA关心的是能够最大化类间区分度的坐标轴成分
将特征空间（数据集中的多维样本）投影到一个维度更小的 k 维子空间中，同时保持区分类别的信息
原理：投影到维度更低的空间中，使得投影后的点，会形成按类别区分，一簇一簇的情况，相同类别的点，将会在投影后的空间中更接近
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
