线性判别分析（LDA）

降维的作用：

• 高维数据特征个数多，特征样本多，维度也很大，计算量就会很大，调参和最后评估任务时，计算量非常大，导致效率低。
• 高位数据特征特别多，有的特征很重要，有的特征不重要，可以通过降维保留最好、最重要的特征。

PCA是无类别信息，不知道样本属于哪个类，用PCA，通常对全体数据操作。

LDA有类别信息，投影到类内间距最小and类间间距最大...

注：类内散布矩阵：衡量映射后各自的密集程度。类间散布矩阵：衡量不同类别间的距离。