如何获得经过训练的 LDA 分类器的特征权重

【问题标题】：How to obtain feature weights of a trained LDA classifier如何获得经过训练的 LDA 分类器的特征权重
【发布时间】：2013-04-01 22:40:46
【问题描述】：

LDA 分类器将对象特征向量与特征权重向量相乘，然后使用固定阈值预测对象类别。或者w.x(o) > c，其中w为特征权重向量，x(o)为物体o的特征向量，c为阈值。

我想使用 scikit-learn 从经过训练的 LDA 分类器中获取特征权重 (w)，我想知道是否有可用的函数？

查看代码，我看到两个属性，coef_ 和 scalings_，它们提到了特征权重。 coef_ 的描述，“线性决策函数中特征的系数”，似乎与我正在寻找的内容相对应，但我不确定这是否正确。如果这是我应该使用的属性，现在有人吗？

【问题讨论】：

【解决方案1】：

你说得对，coef_ 持有权重（也就是系数），但决策函数实际上比w.T * x 复杂一点，它是（从source code 转述）：

X = np.dot(X - self.xbar_, self.scalings_)
return np.dot(X, self.coef_.T) + self.intercept_

所以在计算线性阈值函数之前，X 首先被居中并投影到一个较小的子空间（使用fit 中的奇异值分解计算）。

【讨论】：