LinearDiscriminantAnalysisの結果を解釈するには？

Question

私は、マルチクラスの分類において最も「影響力の大きい」特徴を理解することに興味があります。

私はこれをPCAで行いました。これは、components_ vector経由でコンポーネントごとに各機能の方向性の違いを調べることができるようです。

fit_transformを使用することができた後、私は

...特徴は、各コンポーネントの一部とどのような彼らの影響があります理解するようLDAの結果を調べるためにLDAオブジェクトのどの要素上の任意の提案を苦労していますコンポーネントごとにフィーチャ固有の洞察を得ることができますか？

Answer 1

Hereは、sklearnのマニュアルからの回答です。

主成分分析（PCA）は、このデータに適用される属性（主成分、又は特徴空間内の方向）データの中で最も分散を考慮の組み合わせを識別する。ここでは、最初の2つの主成分に異なるサンプルをプロットします。

線形判別分析（LDA）は、クラス間の分散が最も大きい属性を識別しようとします。特に、LDAは、PCAとは対照的に、既知のクラスラベルを使用する監督された方法である。