data-mining - 在监督学习模型中，LDA 或 PCA 哪个是减少特征的好选择？
问题描述
PCA -> 无监督模型或也用于监督学习 LDA -> 监督模型两者都用于特征减少。
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。
解决方案
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。
PCA -> 无监督模型或也用于监督学习 LDA -> 监督模型两者都用于特征减少。
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。
标签： data-miningpcasupervised-learningunsupervised-learninglinear-discriminant
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。