LDA（线性判别分析）算法

LDA 算法（Linear Discriminant Analysis, 简称 LDA）全称线性判别分析，一种经典的降维方法线性判别分析做一个总结。LDA 是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的。LDA 算在模式识别领域（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。

线性判别算法最核心的知识是方差和投影。方差用来描述一组数据的离散程度，即刻画各个数据和平均值的关系，而投影则用来解二元一次方程组。用高等数学的知识来解释线性判别算法，即线性判别就是降维，通过线性变换将高维空间的数据降到低维空间。但这对初学者来说并不好理解，所以本章我们将通过高中的数学知识来解释线性判别算法。

通过本专题的学习您将更深入的理解 LDA 算法模型，对于方差与投影的认识也进一步加深，最后通过一个简单的数据集实例演示让你加深对该算法的理解，希望这个 LDA 算法专题可以帮助到您。