LDA算法的中心思想


淺顯來講，LDA方法的考慮是，對于一個多類別的分類問題，想要把它們映射到一個低維空間，如一維空間從而達到降維的目的，我們希望映射之后的數(shù)據(jù)間，兩個類別之間“離得越遠”，且類別內(nèi)的數(shù)據(jù)點之間“離得越近”，這樣兩個類別就越好區(qū)分。

因此LDA方法分別計算“within-class”的分散程度Sw和“between-class”的分散程度Sb，而我們希望的是Sb/Sw越大越好，從而找到最合適的映射向量w

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容