大型数据集LDA的替代方案

我们在对问题的评论中的讨论摘要

线性判别分析不适用于具有比观测值更多特征的数据集,因此需要某种形式的正则化。如果你想做分类,但主要对预测模式感兴趣,而不是预测本身,你可以使用偏最小二乘判别分析(PLSDA)。

然而,在您的案例中,PLSDA的成分可能很难解释,因为它们将包含每个基因一个系数,但相信所有50000个基因都与您正在研究的表型相关似乎是不现实的。我更喜欢的另一种方法是 nearest shrunken centroids 或 elastic net 产生稀疏模型(即,它们只保留最好的基因,而丢弃那些无关紧要的基因)。

您可以在数据集的样本上运行LDA模型。