Question

我有一组功能Train = [a1，a2，...，aN]和Train_label = [y1，y2，...，yN]。我有3节课。我申请了LDA

clf = LDA(store_covariance = True)
clf.fit(Train, Train_label)

并试图通过

来了解这些功能的重要性

clf.coef_.

结果是3XN阵列。返回值的范围从负800左右到正800左右。该图显示了一个classclf.coef_ [1，：]的权重

负值意味着什么？

我选择每个类的特征，使用前3个最大的coef_值进行分类（交叉验证和训练和测试）。

selected_features = [a27, a22, a5, a23, a10, a42]

其中，a27，a22，a5被选为3个特征，第一类具有最大coef，第二类具有a27，a23，a10，第三类具有a27，a10，a42。

但分类准确度下降了很多！结果比我之前选择的一些功能更糟糕。我尝试了6个具有最大coef_值的选定特征，结果也很糟糕。

任何人都可以告诉我哪里出错了，并向我解释使用LDA进行特征选择的正确方法是什么？