記事「知っておくべきMQL5ウィザードのテクニック（第04回）：線形判別分析」についてのディスカッション

MetaQuotes 2023.01.16 13:16

今日のトレーダーは哲学者であり、ほとんどの場合、新しいアイデアを探して試し、変更するか破棄するかを選択します。これは、かなりの労力を要する探索的プロセスです。この連載では、MQL5ウィザードがこの取り組みにおけるトレーダーの主力であるべきであることを示しています。

LDAはPCAに非常に似ています。実際、PCAを実行した後にLDA正則化を実行する（曲線あてはめを避けるため）ことに意味があるかどうかを尋ねる人もいます。これは、別の日に記事にする必要がある長いトピックです。

ただし、この記事では、2次元削減方法の決定的な違いは、PCAが、データが分散しているほど、分離可能性が高いという前提で、データセット全体の分散が最大になる軸を見つけようとする一方、LDAは分類に基づいてデータを実際に区別する軸を見つけようとすることです。

lda

したがって、上の図から、PCAがLD2を与えるのに対し、LDAがLD1を与えることは容易にわかります。これにより、PCAとLDAの主な違い（したがってLDAの優先度)が痛々しいほど明白になります。特徴の分散(分布)が高いからといって、それがクラスの予測に役立つとは限りません。