В чем разница между LDA и Fisher LDA при классификации данных?

Разница между LDA и Fisher LDA при классификации данных заключается в следующих особенностях:

• LDA предполагает, что матрицы ковариации признаков обоих классов одинаковы, что приводит к линейной границе принятия решения. stats.stackexchange.com
• Fisher LDA находит линейное преобразование для максимизации среднего расстояния между классами при минимизации различий внутри класса. stats.stackexchange.com

Таким образом, LDA фокусируется на том, что все классы имеют одинаковую ковариационную матрицу, в то время как Fisher LDA стремится максимизировать разницу между классами относительно внутриклассовой дисперсии. www.datascienceblog.net habr.com

Кроме того, Fisher LDA можно понимать как метод снижения размерности, где каждое последующее преобразование ортогонально и максимизирует разницу между классами относительно внутриклассовой дисперсии. www.datascienceblog.net