为什么LDA降维最多降到类别数k-1?

  统计/机器学习 数据降维    浏览次数:7288        分享
0
为什么LDA降维最多降到类别数k-1?
 

今天二面了吗   2019-09-04 15:13



   1个回答 
0

LDA算法中需要计算类间散度矩阵$S_b$和类内散度矩阵$S_w$。

现在原数据降维到矩阵$W$,有$n$行和$d$列,而矩阵$W$的列是$S_w^{-1}S_b$的特征向量。

而$S_b$的秩最大为$k-1$,所以最多有$k-1$个特征向量。所以$W$最多只有$k-1$列。

相关博客:线性判别分析LDA原理总结

SofaSofa数据科学社区DS面试题库 DS面经

东布东   2019-09-25 08:47



  相关讨论

python里怎么实现t-SNE降维?

分类变量,进行One hot编码,维度升高,如何处理?

低维嵌入(low dimension embedding)是什么意思?

hashing trick或者feature hashing是什么

非序列数据(任务),针对种类型特征可以用embedding技术吗?

三维以上聚类都要先降维?10维数据直接聚类然后silhouette判断效果可以吗?

什么时候应该用isomap降维方法?

t-SNE如何实现降维?

维数大于样本数的问题

怎么评价tSNE的降维效果?

  随便看看

关于方差膨胀因子(VIF)的问题

numpy.array从行向量转为列向量

什么是K-Modes(K众数)聚类法?

二元分类问题中经常提到的TP,TN,FN,FP都是什么意思?

kNN算法有哪些缺点?