我有兴趣了解什么"功能"在多类分类中最有影响。
我已经使用PCA完成了此操作，这似乎使我可以通过components_ vector检查每个组件的每个功能的方向差异。
我正在努力询问LDA的结果，以了解哪些功能是每个组件的一部分以及它们的影响是什么...
可以使用fit_transform之后的LDA对象的哪些元素提出任何建议，以获得每个组件的特定洞察力？
这是sklearn本身文档的答案。
应用于此数据的主成分分析（PCA）标识了属性（主要组件或特征空间中的方向）的组合，这些属性是数据中最大的差异。在这里，我们在两个第一个主要组件上绘制不同的样本。
线性判别分析（LDA）试图识别说明类之间最大差异的属性。特别是，与PCA相比，LDA是一种使用已知类标签的监督方法。