Чем отличается LDA от QDA при классификации данных?

Основное отличие LDA (линейного дискриминантного анализа) от QDA (квадратичного дискриминантного анализа) при классификации данных заключается в том, что LDA предполагает, что матрицы ковариации признаков обоих классов одинаковы, что приводит к линейной границе принятия решения. stats.stackexchange.com QDA менее строгий и допускает разные матрицы ковариации признаков для разных классов, что приводит к квадратичной границе принятия решения. stats.stackexchange.com

Таким образом, LDA используется, когда нужна простая модель и классы имеют сопоставимые ковариационные матрицы, а QDA — когда граница решения нелинейная или классы имеют разные ковариационные матрицы. www.geeksforgeeks.org

При этом QDA требует больше параметров для оценки, чем LDA. habr.com