本代码是基于LDA和PCA的简单用例，可直接在matlab中运行，适用于初学者。

主成分分析以及核主成分分析对数据的处理结果，在人造数据上可视化PCA和LDA特征提取的区别。

输入：训练集合属性 测试集合属性 训练集合标签 输出：预测的标签

为了缓解线性判别分析(linear discriminant analysis,LDA)方法在小样本情况下出现的矩阵奇异性问题,针对彩色人脸图像,利用其四元数矩阵表示模式,在人脸识别中引入基于四元数表示的二维LDA、双向LDA方法.这些方法充分利用了彩色图像的空间分布信息,通过在行、列方向降维提取图像的2DLDA、BDLDA特征,缓解了类内散度矩阵的奇异性问题.在FERET彩色人脸数据库及AR彩色人脸数据库上的大量实验证明,本文方法与基于四元数矩阵表示的2DPCA、BDPCA算法相比,识别性能均有提高.

FisherFace的matlab代码，值得参考

之前一直在找LDA主题模型源码复现始终没有找到，现在终于找到源代码了，在cmd命令下运行lda.py文件就可以了，里面有相关注释如何运行。另外这个词预处理是针对英文的，大家把vocabulary中的英文停用词，re正则表达式匹配英文词改成对应的中文词使用方法就行了。觉得不错可以给个五星哦~

lda降维matlab代码硅Craft.io SiProcess是图像处理实验室存储库。 在这里，您会发现一些Matlab / Python算法可以对数据进行线性分类。 分类 分类代码导入您的数据（矢量化图像的矩阵），使用进行降维，并使用/分隔示例。 可视化 存储库中提供的一些功能包括 -可视化通过遍历n个主要成分生成的图像。 例子： -可视化通过超平面行走而生成的图像。 例子： "Image under Construction" 作者 卡洛斯·托马斯教授 。 佩德罗·奥罗纳（Pedro Orona） 硕士埃斯特拉·里贝罗（Estela Ribeiro） 硕士拉斐尔·诺布雷（Rafael Nobre） 硕士Laercio Junior 硕士维克托·瓦雷拉（VíctorVarela） 卢卡斯·布祖蒂（Lucas Buzuti） 卢卡斯·卡利尼（Lucas Carlini） 自由软件，地狱呀！

电影推荐 CMU 10-701/15-781 课程项目 - 机器学习 基于协同过滤和主题建模（LDA）的电影推荐系统 外部依赖 Apache Commons Math 3.3 用于线性代数的 la4j 库 用于 python 2.7 的 nltk

智能审讯 这是一个网络应用程序，可根据症状向用户提供药物建议。 目录介绍 Intelligent-interrogation目录包含有关项目演示的python代码和C ++代码。 数据目录包含训练集和数据库（疾病信息，疾病词典和药物词典）。 调试目录包含一些python代码，用于调试或处理数据（分割单词或调整数据格式）。 spider目录包含用于在线获取信息的网络蜘蛛。 框架是我们项目的思想载体。 项目职能 该项目的主要功能如下： 用结巴来分词 使用TF-IDF提取关键字 使用Word2vec建立模型 使用Levenshtein搜索目标 使用Seq2seq模型 使用LDA模型 使用SQL服务器 使用Django框架 要求 python 3.6 Navicat for SQL服务器 urllib，urllib2，json，pymssql，word2vec，Levenshtein，

- 允许 >=2 类- 只需要基础 MATLAB（不需要工具箱） - 假设数据是完整的（没有缺失值） - 已通过统计软件验证 警告： - 如果无法计算合并协方差，矩阵值将为 ("Inf") （没有错误） - 需要 Matlab >=7.6 (OOP synatx)