선형 판별 분석(Linear Discriminant Analysis, LDA)은 규제가 없는 모델에서 차원의 저주로 인한 과대적합 정도를 줄이고 계산 효율성을 높이기 위한 특성 추출의 기법으로 사용할 수 있습니다. LDA 이면에 있는 일반적인 개념은 PCA와 매우 비슷합니다. PCA가 데이터셋에 있는 분산이 최대인 직교 성분 축을 찾으려고 하는 반면, LDA 목표는 클래스를 최적으로 구분할 수 있는 특성 부분 공간을 찾는 것입니다. 이어지는 절에서 LDA와 PCA 사이의 유사성에 대해 자세히 소개하고 단계별로 LDA를 구현해 보겠습니다.