线性判别python代码实现例题
时间: 2024-10-08 11:03:44 浏览: 39
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:
```python
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。
阅读全文