南通市住房城乡建设局网站,免费门户网站模板,建设工程施工包括哪些工程,担保公司发展规划【Sklearn】基于线性判别法的数据分类预测（Excel可直接替换数据） 1.模型原理2.模型参数3.文件结构4.Excel数据5.下载地址6.完整代码7.运行结果1.模型原理
线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的模式识别和分类方法，它的目标是找到一个投影，将… 【Sklearn】基于线性判别法的数据分类预测（Excel可直接替换数据） 1.模型原理2.模型参数3.文件结构4.Excel数据5.下载地址6.完整代码7.运行结果 1.模型原理
线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的模式识别和分类方法，它的目标是找到一个投影，将数据投影到低维空间，使得不同类别的样本在投影后的空间中有最大的类别间距，同时最小化类内方差。
模型原理如下： 假设有d维的数据，分为K个类别。我们的目标是找到一个投影方向（一个长度为d的权重向量w），使得在这个方向上的投影可以最大化类别间的差异，最小化类内的方差。 定义类内散度矩阵（Within-Class Scatter Matrix）Sw和类间散度矩阵（Between-Class Scatter Matrix）Sb： 类内散度矩阵Sw表示各个类别内部数据的分散程度，计算方法是每个类别的数据与其类别均值的差的协方差之和。类间散度矩阵Sb表示不同类别之间的数据分散程度，计算方法是各个类别均值与总体均值的差的协方差加权和。
