LDA：线性判别分析

假设我们有一个分类问题。我了解数据可以是特征可能具有离散值或连续值。

假设我们的数据包含连续的特征值。然后我们可以使用分布应用朴素贝叶斯。让我们假设数据是正态分布的，因此使用正态分布的朴素贝叶斯。我们也可以应用同样使用正态分布的 LDA。

使用朴素贝叶斯，我们假设特征是独立的，通过使用 LDA，我们假设所有类的协方差相同。

这些假设如何使这两个模型表现不同，哪个是更好的模型以及在哪些条件下？