DataScientistFoundation-LDA

Tuesday. March 21, 2017

[TOC]

A glance of sklearn.discriminant_analysis.LinearDiscriminantAnalysis

Why to have a glance of LDA

因为我在自己的工程项目中使用到了LDA这样一个简单的算法，但是每次都不能非常好地模块化使用，这一次决定参考sklearn的写法，使用面向对象的思想，将其中关键的参数、属性与方法操作等进行封装，希望可以写成一个模块；同时也是对sklearn源码的一种学习；更重要的是，基于这种模仿以后能够将更多的算法写成这种模块，更好地在Pipeline替换与测试。

Parameters

1. solver 求特征值的方法 eig或svd等；(忽略)
2. shrinkage （忽略）
3. priors 先验概率， （忽略）
4. n_components Number of components for dimensionality reduction.
5. store_convariance （忽略）

Attributes

1. coef_
2. intercept_
3. convariance_ 保留 shape(n_features, n_features)
4. explained_variance_ratio_ shape(n_components, )
5. means_ shape(n_classes, n_features)
6. priors_
7. scalings_
8. xbar_
9. classes_

Methods

1. decision_function(X)
2. fit(X, y)
3. fit_transform(X)
4. get_params()
5. predict(X) predict class labels for samples in X
6. predict_log_proba(X)
7. predict_proba(X)
8. score(X, y)
9. set_params
10. transform(X)