lda降维成二位的数据绘制出散点图

抱歉，作为AI助手，我无法绘制图形。但是，您可以按照以下步骤使用Python编程语言绘制LDA降维后的二维数据散点图：

1. 加载数据集并进行LDA降维处理。

2. 将降维后的数据集中每个实例的类别（标签）提取出来。

3. 使用matplotlib库绘制散点图，将每个实例在二维空间中用点表示，并使用不同的颜色或标记来区分不同的类别。

以下是一段Python代码示例，可以帮助您了解如何绘制LDA降维后的二维数据散点图：

import numpy as np
from sklearn import datasets
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
import matplotlib.pyplot as plt

# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 进行LDA降维处理
lda = LDA(n_components=2)
X_lda = lda.fit_transform(X, y)

# 绘制散点图
colors = ['r', 'g', 'b']
markers = ['o', 's', 'x']
for i, target in enumerate(set(y)):
    plt.scatter(X_lda[y == target, 0], X_lda[y == target, 1],
                color=colors[i], marker=markers[i], label=target)
plt.legend()
plt.xlabel('LD1')
plt.ylabel('LD2')
plt.show()

在这个例子中，我们加载了鸢尾花数据集，并使用LDA将其降维到两个维度。然后，使用matplotlib库绘制了一个散点图，在二维空间中显示了每个实例，并使用不同的颜色和标记来区分不同的类别。