Jeśli dobrze rozumiem, Liniowa Analiza Dyskryminacyjna (LDA) zakłada normalne rozproszone dane, niezależne cechy i identyczne kowariancje dla każdej klasy dla kryterium optymalności.
Ponieważ średnia i wariancja są szacowane na podstawie dane treningowe, czy nie jest to już naruszenie?
Znalazłem cytat w artykule (Li, Tao, Shenghuo Zhu i Mitsunori Ogihara. „ Korzystanie z analizy dyskryminacyjnej w klasyfikacji wieloklasowej: badanie eksperymentalne”. Wiedza i Information Systems 10, no. 4 (2006): 453–72.)
„Liniowa analiza dyskryminacyjna często osiąga dobre wyniki w zadaniach rozpoznawania twarzy i obiektów, mimo założeń wspólnej kowariancji macierz między grupami i normalność są często naruszane (Duda i in., 2001) ”
- niestety nie udało mi się znaleźć odpowiedniej sekcji w Duda i in. glin. „Klasyfikacja wzorów”.
Jakieś doświadczenia lub przemyślenia na temat stosowania LDA (w porównaniu z uregulowaną LDA lub QDA) do nienormalnych danych w kontekście redukcji wymiarowości?