我正在做一个分类，并且我有一个关于仅使用LDA进行降维的问题：
是否应将LDA应用于包括训练和测试数据的整个特征矩阵，然后（减小数据的维数）对特征矩阵进行划分以提供训练和测试集进行分类？是真的吗
然后，假设我们需要在应用LDA之前对数据进行分区。如何使用Matlab的内部分类器（如kNN和SVM）对测试数据进行分类？
最佳答案
您应该在火车上生成LDA，然后再将其应用于测试仪。
原因是您无需检查整个处理链如何处理看不见的数据。如果您在训练/测试中生成了LDA模型，则可能会导致重要性不高的信息消失。
实际上，如果您确定尺寸数，则应该进行训练/测试/验证拆分。在此确定火车/测试的最佳尺寸。然后在训练中构建LDA + Model，合并测试并进行验证评估。
关于machine-learning - LDA作为分区之前或之后的尺寸缩减，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46504688/