在阅读使用python的LinearDiscriminantAnalysis的持续时间中,我有两种不同的方法来实现它,这里有http://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDiscriminantAnalysis.html#sklearn.discriminant_analysis.LinearDiscriminantAnalysis
在这些方法中签名就在这里,
sklearn.discriminant_analysis.LinearDiscriminantAnalysis(solver=’svd’, shrinkage=None, priors=None, n_components=None, store_covariance=False, tol=0.0001)
现在我又找到了一种具有相同签名的方法,可以在这里找到,
http://scikit-learn.org/0.16/modules/generated/sklearn.lda.LDA.html
sklearn.lda.LDA(solver='svd', shrinkage=None, priors=None, n_components=None, store_covariance=False, tol=0.0001)
我只是想知道两者之间有什么区别。我们应该在项目中使用哪种方法?为什么?
根据文档,他们可以在这里和@Atto提到
http://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDiscriminantAnalysis.html
和
http://scikit-learn.org/0.16/modules/generated/sklearn.lda.LDA.html
现在基本上LDA基本上是旧版本,LinearDiscriminateAnalys是最新更新的并且是首选
它们似乎完全相同(我假设LDA是LinearDiscriminantAnalysis的缩写),如文档所示:
和
http://scikit-learn.org/0.16/modules/generated/sklearn.lda.LDA.html
由于这些页面是相同的,甚至高达示例代码,除了sklearn.lda.LDA
的所有引用都被sklearn.discriminant_analysis.LinearDiscriminantAnalysis
取代的事实,我认为你使用哪一个都不重要。
我希望这能回答你的问题,它们是一样的!