我有一个非常规的问题，很难找到解决方案。非常感谢您的帮助。
我有 4 个基因（特征），我的分类是二进制（0 和 1）。经过多次反复，我最终确定使用 LDA 进行分类。我有不同的研究，每项研究都比较相同的两个类别，并且我在每项研究中都使用这 4 个基因训练了我的模型。
我想以点图的形式可视化 LDA 分数。如下所示，其中每个部分代表不同的研究/数据集。X 轴上该数据集的样本和我使用的 LD1 值 -
lda_model = lda(formula = class ~ ., data = train)
predict(lda_model,train)Y 轴上。
由于我在每个数据集上训练了不同的模型，我们可以清楚地看到每个数据集的决策边界（我假设是黑线）是不同的并且在不同的规模上。但是，我想缩放 Y 轴上的值，这样我的所有数据集都在相同的比例上，我可以用一个决策边界来表示这个图（同样，我可以在图上清楚地绘制一些东西，比如红线）。
这里的 LD1 值为 - a(GeneA) + b(GeneB) + c(GeneC) + d(GeneD) - mean(a(GeneA) + b(GeneB) + c(GeneC) + d(GeneD))。这是针对每个数据集单独完成的。然而，这并不完全等于我们可以使用逻辑回归得到的 (a(GeneA) + b(GeneB) + c(GeneC) + d(GeneD) + intercept)。我正在尝试找到可以使用 LDA 在所有数据集上缩放我的 Y 轴的值或某种方法。
谢谢你的帮助！