python - sklearn.lda.LDA() 和 sklearn.discriminant_analysis.LinearDiscriminantAnalysis() 之间的区别

Question

在阅读有关使用 python 的 LinearDiscriminantAnalysis 的过程中，我有两种不同的方法来实现它，可在此处获得， http://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDiscriminantAnalysis.html#sklearn.discriminant_analysis.LinearDiscriminantAnalysis

在这些方法中，签名在这里，

sklearn.discriminant_analysis.LinearDiscriminantAnalysis(solver=’svd’, shrinkage=None, priors=None, n_components=None, store_covariance=False, tol=0.0001)

现在我又找到了另一种具有相同类型签名的方法，可以在这里找到，

http://scikit-learn.org/0.16/modules/generated/sklearn.lda.LDA.html

sklearn.lda.LDA(solver='svd', shrinkage=None, priors=None, n_components=None, store_covariance=False, tol=0.0001)

我只是想知道两者之间有什么区别。我们应该在项目中使用哪种方法，为什么？

Answer 1

根据文档，它们在此处可用，正如@Atto 所提到的

http://scikit-learn.org/stable/modules/generated/sklearn.discriminant_analysis.LinearDiscriminantAnalysis.html

和

http://scikit-learn.org/0.16/modules/generated/sklearn.lda.LDA.html

现在基本上LDA基本是老版本，LinearDiscriminateAnalys是新更新的，首选