用python写一个线性辨别分析的实例

线性判别分析（Linear Discriminant Analysis，LDA）是一种常用的有监督机器学习方法，用于二分类或多分类问题，它假设数据服从高斯分布，并试图找到最大化类别间方差同时减小类内方差的方向来进行分类。以下是使用Python Scikit-Learn库实现一个简单线性判别分析的例子：

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
import numpy as np
from sklearn.datasets import make_blobs

# 创建示例数据集 (这里我们使用blobs函数生成两个正态分布的数据点)
X, y = make_blobs(n_samples=500, centers=2, random_state=42)

# 初始化LDA模型
lda = LinearDiscriminantAnalysis()

# 训练模型
lda.fit(X, y)

# 预测新样本
new_sample = np.array([[4, 4], [6, 8]])  # 新样本点
prediction = lda.predict(new_sample)

print("预测结果:", prediction)

在这个例子中，首先我们创建了一个包含两类数据的简单数据集。然后，我们创建了一个`LinearDiscriminantAnalysis`对象，并使用训练数据拟合了模型。最后，我们对新的样本应用模型进行预测。