scikit-learn - 如何获得经过训练的 LDA 分类器的特征权重

Question

LDA 分类器将对象特征向量与特征权重向量相乘，并使用固定阈值预测对象类的结果值。或者 w.x(o) > c，其中 w 是特征权重向量，x(o) 是对象 o 的特征向量，c 是阈值。

我想使用 scikit-learn 从经过训练的 LDA 分类器获取特征权重 (w)，我想知道是否有可用的函数？

查看代码，我看到两个属性 coef_ 和 scalings_，它们提到了特征权重。 coef_ 的描述，“线性决策函数中特征的系数”，似乎与我正在寻找的内容相对应，但我不确定这是否正确。如果这是我应该使用的属性，现在有人吗？

Answer 1

你说得对，coef_持有权重(也就是系数)，但决策函数实际上比 w.T * x 复杂一点，它是(从 source code 转述):

X = np.dot(X - self.xbar_, self.scalings_)
return np.dot(X, self.coef_.T) + self.intercept_

所以 X在计算线性阈值函数之前，首先将其居中并投影到较小的子空间(通过 fit 中的奇异值分解计算)。