如何获得训练有素的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，并且使用结果值，使用固定阈值来预测对象类。或w.x（o）＆gt; 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从训练有素的LDA分类器中获取特征权重（w），我想知道是否有可用的函数？

查看代码，我看到两个提及特征权重的属性coef_和scalings_。 coef_，“线性决策函数中的特征系数”的描述似乎与我要找的对应，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

你是对的，coef_保持权重（又称系数），但决策函数实际上比w.T * x更复杂，它是（source code的释义） ：

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

所以X首先居中并投影到一个较小的子空间（用fit中的奇异值分解计算），然后计算出线性阈值函数。