我有兴趣了解哪些“特征”在多类分类中最具影响力。
我已经使用 PCA 完成了此操作，这似乎允许我通过 components_ 向量 检查每个组件的每个特征的方向方差。
我正在努力询问 LDA 的结果，以了解哪些功能是每个组件的一部分以及它们的影响是什么......
关于 fit_transform 之后 LDA 对象的哪些元素可用于获取每个组件的特定功能的见解，有什么建议吗？
最佳答案
Here是 sklearn 文档中的答案本身。
Principal Component Analysis (PCA) applied to this data identifies the combination of attributes (principal components, or directions in the feature space) that account for the most variance in the data. Here we plot the different samples on the 2 first principal components.
Linear Discriminant Analysis (LDA) tries to identify attributes that account for the most variance between classes. In particular, LDA, in contrast to PCA, is a supervised method, using known class labels.
关于python-3.x - 如何解释线性判别分析的结果？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41189237/