.png){kind=icon}
返回
Envelope Dimension Reduction with Application to Binary Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/s11424-026-4626-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
经典线性判别分析（LDA）（Fisher，1936）隐式地假设分类边界仅取决于预测变量的一个线性组合。这种限制可能导致在决策边界依赖于预测变量的多个线性组合的应用中出现分类效果不佳的情况。为克服这一挑战，作者首先将预测变量投影到信封中心空间上，然后基于充分预测变量执行LDA。该方法在提高分类准确率方面的性能已在合成数据和实际应用中得到验证。
Keyword:
Envelope linear regression
linear discriminant analysis
sliced inverse regression
sufficient dimension reduction
期刊
IF:
2.8
论文数:
212
被引数:
2.1K
机构
引用论文
.png){kind=icon}
查看更多内容