线性判别python代码实现例题

线性判别分析（Linear Discriminant Analysis, LDA）是一种有监督的统计学方法，常用于分类问题中，它通过最大化类别之间的方差同时最小化类别内的方差，找到最优的超平面来进行数据投影和分类。以下是使用Python中的scikit-learn库实现LDA的一个简单示例：

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

# 创建示例数据集 - 两个随机生成的正态分布
X, y = make_blobs(n_samples=100, centers=2, random_state=42)

# 划分训练集和测试集（这里为了简洁假设所有样本都是训练数据）
X_train = X
y_train = y

# 实例化LDA模型
lda = LinearDiscriminantAnalysis()

# 训练模型
lda.fit(X_train, y_train)

# 对新数据进行预测
new_data = [[1, 2], [3, 4]]  # 这是一个二维数组，代表新的观测点
predictions = lda.predict(new_data)

print("预测结果:", predictions)

在这个例子中，我们首先创建了一个简单的二元数据集，然后使用`LinearDiscriminantAnalysis`对数据进行拟合，并对新数据进行分类预测。