1、PCA(主成分分析)

無監(jiān)督的，選擇的是投影后數(shù)據(jù)方差最大的方向。因此PCA假設(shè)方差越大，代表的信息量越大，使用主成分來表示原始數(shù)據(jù)可以去除冗余的維度，達(dá)到降維的目的。

2、LDA(線性判別分析)

有監(jiān)督的，選擇的是投影后類內(nèi)方差小、類間方差大的方向。用到了類別標(biāo)簽信息，為了找到數(shù)據(jù)中具有判別性的維度，使原始數(shù)據(jù)在這些方向上投影后，不同類別盡可能區(qū)分開來。

?

例如：語音設(shè)別中，如果想從音頻中提取某人的語音信號，可以使用PCA進(jìn)行降維，來過濾掉一些固定頻率（方差相對較小）的背景噪聲。但如果需要從這段音頻中識別出聲音屬于哪個人的，就需要使用LDA對數(shù)據(jù)進(jìn)行降維，使每個人的語音信號具有區(qū)分性。

總結(jié)

以上是生活随笔為你收集整理的PCA与LDA两种降维方法原理的简要对比的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。