هدف تحلیل تفکیک کننده خطی ( Linear Discriminant Analysis، به طور مخفف LDA)

تحلیل تفکیک کننده خطی (به انگلیسی: Linear Discriminant Analysis، به طور مخفف LDA) و تفکیک کننده خطی فیشر روش‌های آماری هستند که از جمله در یادگیری ماشین برای پیدا کردن ترکیب خطی خصوصیاتی که به بهترین صورت دو یا چند کلاس از اشیا را از هم جدا می‌کند، استفاده می‌شوند. تحلیل تشخیص خطی بسیار به تحلیل واریانس و تحلیل رگرسیونی نزدیک است؛ در هر سه این روش‌های آماری متغیر وابسته به صورت یک ترکیب خطی از متغیرهای دیگر مدل‌سازی می‌شود. با این حال دو روش آخر متغیر وابسته را از نوع فاصله‌ای در نظر می‌گیرند در حالی که تحلیل تشخیص خطی برای متغیرهای وابسته اسمی یا رتبه‌ای به کار می‌رود. از این رو تحلیل تشخیص خطی به رگرسیون لجستیک شباهت بیشتری دارد.

تحلیل تشخیص خطی همچنین با تحلیل مؤلفه‌های اصلی و تحلیل عاملی هم شباهت دارد؛ هر دوی این روش‌های آماری برای ترکیب خطی متغیرها به شکلی که داده را به بهترین نحو توضیح بدهد به کار می‌روندیک کاربرد عمده هر دوی این روش‌ها، کاستن تعداد بعدهای داده است. با این حال این روش‌ها تفاوت عمده‌ای با هم دارند: در تحلیل تشخیص خطی، تفاوت کلاس‌ها مدل‌سازی می‌شود در حالی که در تحلیل مؤلفه‌های اصلی تفاوت کلاس‌ها نادیده گرفته می‌شود.

عنوان

پیاده سازی تحلیل تفکیکی خطی یا Linear Discriminant Analysis در Matlab

مشخصات نویسنده:

کارشناسی تیم تخصصی پیپرسیم

محتویات

• سورس کد Matlab
• تست نتایج بر روی دیتابیس IRIS

دانلود