使用sklearn的LinearDiscriminantAnalysis将4维数据降维至2维

以下是一个使用sklearn的LinearDiscriminantAnalysis将4维数据降维至2维的示例代码：

from sklearn.datasets import load_iris
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

# 加载iris数据集
iris = load_iris()
X = iris.data
y = iris.target

# 创建LDA对象并将4维数据降维至2维
lda = LinearDiscriminantAnalysis(n_components=2)
X_lda = lda.fit_transform(X, y)

在以上代码中，我们首先加载了iris数据集，并将其特征数据存储在X中，将标签数据存储在y中。然后，我们创建了一个LinearDiscriminantAnalysis对象lda，并将其n_components参数设置为2，以便将数据从4维降至2维。最后，我们使用fit_transform()方法将X数据集降维至2维，并将结果存储在X_lda中。

注意，这里我们使用了标签y来指导LDA算法的降维过程，以便在降维后的数据中保留最大的类别差异。如果您不关心类别差异，可以省略y参数，并将fit_transform()方法的第二个参数设置为None。