问题标签 [linear-discriminant]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 是否可以得到二次判别分析的决策边界方程？
我使用 Python 和 sklearn 包。我使用 LDA 进行预测，我可以得到决策边界的系数。
QDA 也是如此：
但是没有属性可以获取决策边界参数。
但是，QDA 有一个短语：
但它不包含线性判别式的系数，因为 QDA 分类器涉及预测变量的二次函数，而不是线性函数。
有什么方法可以提取 QDA 决策边界的参数吗？在这种情况下，我只是不明白线性方程和二次方程之间的显着差异。为什么可以得到线性但它不是二次的。
python - 线性判别分析 Sklearn
我在数据集上运行 LDA，所有指标的结果都很好。但是，我似乎无法像 PCA 那样提取顶级功能或负载。
有没有人熟悉在使用 sklearn python3 时从 LDA 中提取顶级特征/负载？
training-data - 仅使用训练数据构建的 PLS-DA 模型计算 AUC 的附加值是多少
我一般无法理解计算训练集 AUC 的附加值，但对于这个问题，我使用的是 PLS-DA 的示例。
假设您已经建立了一个 PLS-DA 模型来尝试查看该模型是否可以区分糖尿病患者和非糖尿病患者。在此之后，模型的绘图和可视化表明存在某种区分能力。请注意，此 PLS-DA 模型仅基于训练数据/训练集。
在这种情况下，使用 ROC 曲线计算 AUC 的附加值是多少？
假设您绘制 ROC 曲线并计算 AUC 为 0.9。这明确意味着什么？我很想这意味着该模型能够/有可能以 90% 的准确率区分糖尿病患者和非糖尿病患者。但是有些事情告诉我这是不对的，因为毕竟；我的模型的性能只能在绘制 ROC 曲线并计算验证集和测试集的 AUC 后评估，对吗？还是我看错了？