sklearn.discriminant_analysis.LinearDiscriminantAnalysis

class sklearn.discriminant_analysis.LinearDiscriminantAnalysis(solver=’svd’, 
																shrinkage=None, 
																priors=None, 
																n_components=None, 
																store_covariance=False,
														    	 tol=0.0001)

解算器 ： 字符串，可选
要使用的求解器，可能的值：
‘svd’：奇异值分解（默认）。不计算协方差矩阵，因此建议将此求解器用于具有大量要素的数据。
‘lsqr’：最小二乘解，可以与收缩相结合。
'eigen’：特征值分解，可以与收缩相结合。
收缩 ： 字符串或浮点数，可选
收缩参数，可能的值：

• None：无收缩（默认）。
• ‘auto’：使用Ledoit-Wolf引理自动收缩。
• 在0和1之间浮点数：固定收缩参数。

请注意，缩小仅适用于’lsqr’和’eigen’解算器。

先验 ： 数组，可选，形状（n_classes，）
班级先生。

n_components ： int，optional（默认=无）
降维的组件数（<= min（n_classes - 1，n_features））。如果为None，则将设置为min（n_classes - 1，n_features）。

store_covariance ： bool，可选
另外计算类协方差矩阵（默认为False），仅在’svd’求解器中使用。

版本0.17中的新功能。</