给定一个数据散点图，我可以在其上绘制数据的主成分，作为与作为主成分分数的点平铺的轴。您可以看到带有云（由 2 个集群组成）及其第一个主成分的示例图。它很容易绘制：原始分量分数计算为数据矩阵 x 特征向量（s）；原始轴（V1 或 V2）上每个得分点的坐标是score x cos-between-the-axis-and-the-component （这是特征向量的元素）。
我的问题：是否有可能以类似的方式绘制判别式？请看我的照片。我现在想绘制两个集群之间的判别式，作为一条以判别分数（在判别分析之后）作为点平铺的线。如果是，算法可能是什么？
好的，既然没有人回答，我认为经过一些实验，我可以自己做。遵循判别分析指南，令T为整个云的（数据X，2 个变量）sscp 矩阵（与云中心的偏差），并让W为集群内汇集的 sscp 矩阵（与集群中心的偏差）。B=TW是簇间 sscp 矩阵。inv (W)B 的奇异值分解产生U （左特征向量）、S（特征值的对角矩阵）、V（右特征向量）。在我的 2 个集群的示例中，只有第一个特征值是非零的（这意味着只有一个判别式），因此我们只使用 U 的第一个特征向量（列）：U (1)。现在，XU(1)是寻找的原始判别分数。要将判别式显示为与这些平铺的线，请将分数乘以 cos-between-the-axis-and-the-discriminant （这是特征向量U(1)的元素） - 就像上面的主成分一样. 结果图如下。
