1、PCA(主成分分析)

無監督的，選擇的是投影后數據方差最大的方向。因此PCA假設方差越大，代表的信息量越大，使用主成分來表示原始數據可以去除冗余的維度，達到降維的目的。

2、LDA(線性判別分析)

有監督的，選擇的是投影后類內方差小、類間方差大的方向。用到了類別標簽信息，為了找到數據中具有判別性的維度，使原始數據在這些方向上投影后，不同類別盡可能區分開來。

?

例如：語音設別中，如果想從音頻中提取某人的語音信號，可以使用PCA進行降維，來過濾掉一些固定頻率（方差相對較小）的背景噪聲。但如果需要從這段音頻中識別出聲音屬于哪個人的，就需要使用LDA對數據進行降維，使每個人的語音信號具有區分性。

總結

以上是生活随笔為你收集整理的PCA与LDA两种降维方法原理的简要对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。