sklearn 线性和二次判别分析：如何解释 coef_ 和截距项，以及为什么 qda 没有 coef_

Question

为什么我只看到一组截距，lda 的 coefs？两类结果不应该有两个吗？
我的代码：

train_X = stock_data.loc[stock_data.Year == 2020,['mean_return','volatility']]
test_X = stock_data.loc[stock_data.Year == 2021,['mean_return','volatility']]
train_y = np.ravel(stock_data.loc[stock_data.Year == 2020,['Label']].values)
test_y = np.ravel(stock_data.loc[stock_data.Year == 2021,['Label']].values)

qda = QuadraticDiscriminantAnalysis(store_covariance=True)
lda = LinearDiscriminantAnalysis(store_covariance=True)

lda.fit(train_X,train_y)
(lda.intercept_, lda.coef_)

给予

(array([0.43428967]), array([[-0.6935597 , -0.02651876]])).  

根据 sklearn 文档，我期望输出对与每个类对应的元素。

我是否误读了文档，这些系数实际上是赔率的对数？

对于 qda，为什么 coef_ 不是属性，我应该基于存储的协方差和每个类的均值构造决策函数方程吗？

另外，如何确定哪个标签对应于第一个或第二个协方差矩阵？

Answer 1

我也有同样的问题，请问有进展吗？