LDA与降维

Question

我有由大约300个对象组成的数据集，每个对象有84个特征。对象已经分为两个类。通过主成分分析，我可以将维数降到24左右。我使用了3个主成分，涵盖了96%的原始数据。我的问题是PCA不关心将类彼此分离的能力。是否有一种方法将PCA用于减少特征空间，LDA用于寻找这两类的判别函数？或者，是否有一种方法可以使用LDA来以最佳的方式在三维空间中找到将两个类分开的特性？

我有点生气，因为我发现了这篇论文，但我并不真正理解。qgu.pdf

提前谢谢。

Answer 1

您应该看看主成分回归( 这篇文章，如果要解释的变量是标量)和偏最小二乘回归(PLSR)的统计工具箱。在PCR的本质上，您选择主成分，因为它们最能解释因变量。它们可能不是差异最大的。