lda模型建立完成后如何查看判别函数

LDA（线性判别分析）模型是一种监督学习算法，它的目标是通过将数据投影到一个低维空间来最大化类间距离和最小化类内距离，从而实现数据分类。

在建立LDA模型后，我们可以使用模型进行预测和分类任务。在Python中，我们可以使用Scikit-learn库来建立LDA模型，并使用predict方法来进行预测任务。

下面是一个简单示例：

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

# 建立LDA模型
lda = LinearDiscriminantAnalysis()
lda.fit(X_train, y_train)

# 预测测试集
y_pred = lda.predict(X_test)

在上面的代码中，X_train和y_train是训练数据集，X_test是测试数据集，y_pred是LDA模型预测出的测试集标签。

如果你想查看LDA模型的判别函数，可以使用coef_属性。coef_返回一个数组，其中每一行对应一个类别，每一列对应一个特征。因此，coef_的大小是(n_classes, n_features)，其中n_classes是类别数，n_features是特征数。coef_的值表示每个特征对于判别函数的影响程度。

下面是一个简单示例：

# 查看判别函数
print(lda.coef_)

在上面的代码中，lda.coef_返回一个数组，其中每一行对应一个类别（假设有两个类别0和1），每一列对应一个特征。coef_[0]表示类别0的判别函数，coef_[1]表示类别1的判别函数。