在监督学习模型中，LDA 或 PCA 哪个是减少特征的好选择？

【问题标题】：Which is a good choice LDA or PCA for feature reduction in the supervised learning model?在监督学习模型中，LDA 或 PCA 哪个是减少特征的好选择？
【发布时间】：2018-10-29 15:10:59
【问题描述】：

PCA -> 无监督模型或用于监督学习 LDA -> 监督模型两者都用于特征缩减。

哪个是用于监督学习特征减少的连击 LDA 或 PCA，为什么？

数据集：非常有名的葡萄酒数据集，用于找出客户类别。

【问题讨论】：

标签： data-mining pca supervised-learning unsupervised-learning linear-discriminant

【解决方案1】：

如果你有标签，有监督的方法通常会比无监督的方法好得多。

至少如果标签适合您的问题。

如果没有标签，则不能使用 LDA。

【讨论】：

Pca 用于监督或非监督方法。这意味着，如果我们在监督学习领域，那么必须选择 LDA。
PCA 不受监督。即使在标记数据上使用 - 它也不使用标签。