Lineaarinen syrjivä analyysi (LDA)

Kirjoittaja: Roger Morrison
Luomispäivä: 26 Syyskuu 2021
Päivityspäivä: 1 Heinäkuu 2024
Anonim
Lineaarinen syrjivä analyysi (LDA) - Tekniikka
Lineaarinen syrjivä analyysi (LDA) - Tekniikka

Sisältö

Määritelmä - Mitä lineaarinen syrjivä analyysi (LDA) tarkoittaa?

Lineaarinen erottava analyysi (LDA) on eräänlainen lineaarinen yhdistelmä, matemaattinen prosessi, joka käyttää erilaisia ​​dataelementtejä ja soveltaa funktioita tähän joukkoon useiden objektien tai kohteiden luokkien analysoimiseksi erikseen. Tulosta Fishersin lineaarisesta syrjivästä, lineaarisesta erottelija-analyysistä voi olla hyödyllistä esimerkiksi kuvan tunnistamisessa ja ennustavassa analytiikassa markkinoinnissa.


Johdanto Microsoft Azureen ja Microsoft Cloud | Tämän oppaan läpi opit mitä pilvipalvelussa on kyse ja kuinka Microsoft Azure voi auttaa sinua siirtämään ja johtamaan yritystä pilvestä.

Techopedia selittää lineaarisen syrjivän analyysin (LDA)

Perusajatus lineaarisista yhdistelmistä juontaa juurensa 1960-luvulle Altmanin Z-pisteiden perusteella konkurssiin ja muihin ennustaviin rakenteisiin. Nyt lineaarinen erottava analyysi auttaa edustamaan useamman kuin kahden luokan tietoja, kun looginen regressio ei ole riittävä. Lineaarisella syrjivällä analyysillä saadaan kunkin luokan keskiarvo ja tarkastellaan muunnoksia ennusteiden tekemiseksi olettaen Gaussin jakauman. Se on yksi monista algoritmityypeistä, ja se on osa kilpailukykyisten koneoppimismallien muotoilua.