Linear Discriminant Analysis (Análisis Discriminante Lineal)

Es un método supervisado de reducción de dimensionalidad ampliamente utilizado en machine learning y estadística.

Sirve para proyectar datos de alta dimensionalidad en un espacio de menor número de dimensiones, maximizando la separabilidad entre clases predefinidas.

Es especialmente útil en problemas de clasificación, ya que busca crear un modelo que potencie la distancia entre las medias de las clases mientras minimiza la variabilidad dentro de cada clase.

Se basa en la relación matemática entre las matrices de dispersión dentro de la clase (intra-clase) y entre clases (inter-clase).

Los vectores discriminantes obtenidos permiten transformar las características originales del conjunto de datos en nuevas variables que destacan las diferencias entre categorías.

Es comúnmente utilizado en aplicaciones como el reconocimiento facial, análisis de imágenes y procesamiento de textos.

Es efectivo cuando las clases son linealmente separables y las muestras de cada clase siguen una distribución gaussiana con la misma matriz de covarianza.