Дискриминантный анализ часто встречается в машинном обучении и распознавании образов, потому что позволяет находить линейные комбинации признаков, которые наилучшим образом разделяют два или более класса объектов или событий. 25

Полученная комбинация может быть использована в качестве линейного классификатора или для сокращения размерности пространства признаков перед последующей классификацией. 2

Некоторые причины, по которым это важно:

• Классификация. 1 Метод помогает присваивать новую точку данных одному из нескольких предопределённых классов. 1 Это особенно полезно, когда классы линейно разделяемы. 1
• Уменьшение размерности. 15 Метод уменьшает количество объектов в наборе данных при сохранении информации, различающей классы. 1 Это особенно полезно в многомерных наборах данных, где количество объектов превышает количество точек данных. 1
• Распознавание лиц. 1 В компьютерном зрении метод часто применяется для решения задач распознавания лиц, где он используется для уменьшения размерности изображений лиц при сохранении отличительных черт. 1