缩放 LDA 决策边界
Scale LDA decision boundary
我有一个非常规的问题，很难找到解决方案。非常感谢您的帮助。
我有 4 个基因（特征），我这里的分类是二元的（0 和 1）。经过多次来回，我最终决定使用 LDA 进行分类。我有不同的研究，每项研究都比较相同的两个 类，我在每项研究中都使用这 4 个基因训练了我的模型。
我想以点图的形式可视化 LDA 分数。如下所示，其中每个部分代表不同的 study/dataset。 X 轴上该数据集的样本和我使用的 LD1 值 -
lda_model = lda(formula = class ~ ., data = train)
predict(lda_model,train) 在 Y 轴上。
由于我在每个数据集上训练了不同的模型，我们可以清楚地看到每个数据集的决策边界（我假设是黑线）是不同的并且在不同的尺度上。但是，我想缩放 Y 轴上的值，这样我的所有数据集都在相同的比例上，我可以用一个决策边界来表示这个图（同样，我可以在图上清楚地画出一些东西，比如红线）。
此处的 LD1 值为 - a(GeneA) + b(GeneB) + c(GeneC) + d(GeneD) - mean(a(GeneA) + b(GeneB) + c(GeneC) + d(基因D））。这是针对每个数据集单独完成的。然而，这并不完全等于我们可以使用逻辑回归得到的 (a(GeneA) + b(GeneB) + c(GeneC) + d(GeneD) + 截距)。我正在尝试找到可以使用 LDA 在所有数据集中缩放我的 Y 轴的值或某种方法。
感谢您的帮助！
我进行了最小-最大缩放，这似乎有效。它在决策边界为零的所有数据集中扩展了我的所有数据点。
我有一个非常规的问题，很难找到解决方案。非常感谢您的帮助。
我有 4 个基因（特征），我这里的分类是二元的（0 和 1）。经过多次来回，我最终决定使用 LDA 进行分类。我有不同的研究，每项研究都比较相同的两个 类，我在每项研究中都使用这 4 个基因训练了我的模型。
我想以点图的形式可视化 LDA 分数。如下所示，其中每个部分代表不同的 study/dataset。 X 轴上该数据集的样本和我使用的 LD1 值 -
lda_model = lda(formula = class ~ ., data = train)
predict(lda_model,train) 在 Y 轴上。
此处的 LD1 值为 - a(GeneA) + b(GeneB) + c(GeneC) + d(GeneD) - mean(a(GeneA) + b(GeneB) + c(GeneC) + d(基因D））。这是针对每个数据集单独完成的。然而，这并不完全等于我们可以使用逻辑回归得到的 (a(GeneA) + b(GeneB) + c(GeneC) + d(GeneD) + 截距)。我正在尝试找到可以使用 LDA 在所有数据集中缩放我的 Y 轴的值或某种方法。
感谢您的帮助！
我进行了最小-最大缩放，这似乎有效。它在决策边界为零的所有数据集中扩展了我的所有数据点。