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:507        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



  相关主题

python里怎么实现t-SNE降维?   1回答

低维嵌入(low dimension embedding)是什么意思?   2回答

hashing trick或者feature hashing是什么   1回答

分类变量,进行One hot编码,维度升高,如何处理?   6回答

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?   3回答

非序列数据(任务),针对种类型特征可以用embedding技术吗?   1回答

t-SNE如何实现降维?   1回答

维数大于样本数的问题   3回答

怎么评价tSNE的降维效果?   2回答

LDA线性判别分析进行信号分类时如何对训练数据和测试数据降维?   1回答

随机投影的实际效果如何?   1回答

高维数据应该用什么聚类模型?   4回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!