线性判别分析matlab代码

以下是一个简单的线性判别分析（LDA）的 Matlab 代码示例：

% 加载数据
load fisheriris
X = meas;
Y = species;

% 将类别离散化为数字
g1 = strcmp(Y,'setosa');
g2 = strcmp(Y,'versicolor');
g3 = strcmp(Y,'virginica');

% 计算类别均值
m1 = mean(X(g1,:));
m2 = mean(X(g2,:));
m3 = mean(X(g3,:));

% 计算类内散度矩阵
S1 = cov(X(g1,:));
S2 = cov(X(g2,:));
S3 = cov(X(g3,:));
Sw = S1 + S2 + S3;

% 计算类间散度矩阵
Sb = (m1-m2)'*(m1-m2) + (m1-m3)'*(m1-m3) + (m2-m3)'*(m2-m3);

% 计算特征向量
[V,D] = eig(Sb,Sw);

% 取最大特征值对应的特征向量
[~,ind] = max(abs(diag(D)));
w = V(:,ind);

% 将数据投影到一维空间
x = X*w;

% 绘制结果
figure
hold on
scatter(x(g1),zeros(sum(g1),1),'r')
scatter(x(g2),zeros(sum(g2),1),'g')
scatter(x(g3),zeros(sum(g3),1),'b')
xlabel('LD1')
legend('setosa','versicolor','virginica')

这段代码使用鸢尾花数据集进行演示，首先将类别离散化为数字，然后计算类内散度矩阵和类间散度矩阵，接着计算特征向量并将数据投影到一维空间，最后绘制结果。