线性判别分析lda是有监督学习吗

如题所述

第1个回答 2017-09-12

是同一个东西。
第一个是用于自然语言分析的隐主题模型。LDA是一种文档主题生成模型，在1996年由Belhumeur引入模式识别和人工智能领域。
第二个线性判别式分析（Linear Discriminant Analysis），简称为LDA。也称为Fisher线性判别（Fisher Linear Discriminant，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，FLD），是模式识别的经典算法。
基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性，主题到词服从多项式分布本回答被提问者采纳

相似回答

降维算法之LDA(线性判别降维算法)--有监督答：因此，LDA算法是一种有监督的机器学习算法。同时，LDA有如下两个假设：(1)原始数据根据样本均值进行分类。(2)不同类的数据拥有相同的协方差矩阵。当然，在实际情况中，不可能满足以上两个假设。但是当数据主要是由均值来区分的时候，LDA一般都可以取得很好的效果。（1）计算类内散...

机器学习-LDA(线性判别降维算法)答：探索深度：机器学习中的LDA(线性判别降维算法)LDA，即线性判别分析，与PCA（主成分分析）的策略截然不同。它是一种有监督的降维技术，其核心理念是最大化类别间的差异，同时保持同一类内的数据点紧凑。LDA基于两个核心假设：数据根据样本均值分类：原始数据的类别区分主要依赖于样本的平均值分布。共享...

fisher线性判别分析在处理多类别问题时答：1、Fisher线性判别分析（LDA）是一种监督学习的降维技术，它的目标是找到一个线性组合的特征空间，使得在这个空间中，不同类别的数据点尽可能地分开。这种方法在处理多类别问题时，具有很好的效果。2、首先，LDA的基本思想是最大化类间距离和最小化类内距离。这意味着，我们希望同一类别的数据点在新的...

线性判别分析lda是不是监督学习算法答：第二个线性判别式分析（Linear Discriminant Analysis），简称为LDA。也称为Fisher线性判别（Fisher Linear Discriminant，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，FLD），是模式识别的经典算法。基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取...

降维分析的方法包括答：二、线性判别分析（LDA）线性判别分析是一种有监督的数据降维方法。与主成分分析不同，线性判别分析考虑了类别信息。它通过线性变换将高维数据投影到一个低维空间中，使得不同类别之间的距离最大化，同一类别内部的距离最小化。线性判别分析可以用于分类和可视化任务。三、t-SNE t-SNE是一种非线性数据...

常用降维方法之PCA 和 LDA答：LDA（线性判别分析，Linear Discriminant Analysis）是另一种常用的降维方法，它是有监督的。LDA在模式识别领域（比如人脸识别，舰艇识别等图形图像识别领域）中有非常广泛的应用，因此我们有必要了解下它的算法原理。这里需要注意的是，此处的LDA与文本主题模型中的LDA（隐含狄利克雷分布，Latent Dirichlet ...

无监督学习可以进一步分为( )和聚类问题。答：无监督学习可以进一步分为降维和聚类问题。监督学习中的降维和聚类分别指以下两个方面：1、降维：指通过对数据的处理和分析，将高维数据转化为低维数据，以便更好地进行数据的可视化和处理，减少数据的冗余信息和处理难度。常见的降维方法有主成分分析(PCA)、线性判别分析(LDA)、t-SNE等。2、聚类：指将...

大家正在搜