由于许多原因，分类对于大多数问题来说并不是一个好的目标。预测是。逻辑回归 (LR) 是用于预测的更直接的概率模型，假设较少。线性判别分析 (LDA) 假设 X 在给定 Y 的情况下具有多元正态分布。使用贝叶斯规则得到 Prob(Y|X)，您将得到一个逻辑模型。因此，如果 LDA 的假设成立，则 LR 的假设自动成立。反之则不成立，因此 LR 更稳健（例如，X 可以是二分法，远离正常值）。有趣的是，逻辑回归在某种意义上与概率回归的正态分布更相关。

只是（可能是多余的）详细说明弗兰克的回答。LDA 是基于多元正态性假设和两组（总体）协方差矩阵相等的假设；它对异常值和不平衡的n也很烦躁；预测变量通常应该是区间尺度。所有这些都是 LR 不需要的，因此更通用。分类概率在 LDA 中通过贝叶斯等公式间接估计，但在 LR 中直接估计。尽管如此，当 LDA 的所有假设都很好地满足时，从统计角度来看，LDA 在某种程度上优于 LR。