Проекция Фишера и Проекция Хеорса

Проекция Фишера и проекция Хеорса являются двумя различными методами визуализации многомерных данных. Оба метода используются для снижения размерности данных и представления их в двухмерном пространстве. Давайте рассмотрим каждый метод подробнее. Проекция Фишера, также известная как линейная дискриминантная анализ (ЛДА), является статистическим методом, который используется для нахождения линейной комбинации признаков, которая наилучшим образом разделяет классы данных. Цель проекции Фишера - максимизировать отношение разброса между классами к разбросу внутри классов. Это позволяет нам найти оси, на которых классы наиболее различимы. Проекция Фишера может быть полезна для классификации и визуализации данных. Проекция Хеорса, также известная как метод главных компонент (PCA), является статистическим методом, который используется для нахождения новых осей, называемых главными компонентами, в пространстве данных. Главные компоненты являются линейными комбинациями исходных признаков и упорядочены по убыванию их вклада в объяснение дисперсии данных. Проекция Хеорса...