他们都很接近，但方式不同

• 如果您使用二元类变量作为结果（标签）变量运行普通最小二乘回归，您将得到线性判别分析的 2 类情况。因此，LDA（在 2 类情况下）是针对分类问题运行的线性回归。它在概念上与线性回归不同，因为 LDA 的原始推导使用了关于预测变量（特征）变量分布的假设，而回归没有。
• 逻辑回归是线性回归对二元数据的自然推广，其中您使用预测变量的线性组合对结果变量的平均值（即它为 1 对 0 的概率）进行建模，但使用“链接”函数之间，以便概率保持在 0 和 1 之间。与线性回归一样，它是广义线性模型的一个特例，不是基于对预测变量分布的假设得出的。

因此，LDA 在计算上只是应用于分类问题的线性回归，但作为模型却完全不同；逻辑回归作为模型更接近，但在计算上不太相似。