scikit-learn - 如何获得经过训练的 LDA 分类器的特征权重

Question

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wx(o) > c，其中w是特征权重向量，x(o)是对象o的特征向量，c是阈值。

我想使用 scikit-learn 从训练有素的 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？

Answer 1

你是对的，coef_持有权重（又名系数），但决策函数实际上比它更复杂一点w.T * x，它是（从源代码解释）：

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

在计算线性阈值函数之前，首先将soX居中并投影到较小的子空间（使用 中的奇异值分解计算）。fit