工程实现

本章目标

从工程角度看清 LDA 在本仓库中的完整调用链。
理解数据生成、模型训练、流水线编排和降维可视化分别负责什么。
理解 LDA 工程实现与 PCA 在架构上的相似性与关键差异——有监督 fit()、transform() 投影、 $K - 1$ 维约束。

对应代码速览

组件	路径	说明
数据生成	`data_generation/dimensionality.py`	`DimensionalityData.lda()` 加载 Wine 真实数据集
数据导出	`data_generation/__init__.py`	向外暴露 `lda_data`
训练封装	`model_training/dimensionality/lda.py`	构建并训练 `LinearDiscriminantAnalysis`，打印解释方差比日志
流水线入口	`pipelines/dimensionality/lda.py`	组织数据拆分、标准化、训练、投影与降维可视化
降维可视化	`result_visualization/dimensionality_plot.py`	绘制降维后的 2D 散点图（按类别着色，轴标注解释占比）

1. 端到端运行入口

示例代码

bash

python -m pipelines.dimensionality.lda

理解重点

这个命令串起当前 LDA 分册中最核心的工程流程。
依次完成：数据复制 → 拆出 X 和 y → 全量标准化 → LDA fit(X, y)（学习判别方向）→ transform(X)（投影到 2D）→ 判别散点图。
对大多数读者来说，pipelines/dimensionality/lda.py 是理解工程实现的最佳起点——代码量少、流程清晰。

2. `run()` 串起了整个流程

当前流水线的核心函数 run() 采用线性编排风格：

python

def run():
    # 1. 复制数据 & 拆出特征与标签
    data = lda_data.copy()
    X = data.drop(columns=["label"])
    y = data["label"].values

    # 2. 全量标准化——无切分（教学型简化）
    scaler = StandardScaler()
    X_scaled = scaler.fit_transform(X)

    # 3. 有监督训练——fit() 学习判别方向（y 是训练输入）
    model = train_model(X_scaled, y, n_components=2)

    # 4. 判别投影——transform() 将 13 维降到 2 维
    X_transformed = model.transform(X_scaled)

    # 5. 单一可视化（2D 判别散点图）
    evr = (
        model.explained_variance_ratio_
        if hasattr(model, "explained_variance_ratio_")
        else None
    )
    plot_dimensionality(
        X_transformed,
        y=y,
        explained_variance_ratio=evr,
        title="LDA 降维 (2D)",
        dataset_name=DATASET,
        model_name=MODEL,
        mode="2d",
    )

理解重点

run() 的职责是编排，不是算法实现——真正的广义特征值求解在 LinearDiscriminantAnalysis.fit() 中。
数据流是单向的：数据 → 标准化 → 判别方向学习 → 投影 → 2D 散点图。
与分类流水线的核心差异：
- 无 predict() 调用——LDA 在这里是降维工具，输出是 transform() 而非类别标签
- 无 predict_proba——当前流水线不涉及分类概率
- 单一可视化（plot_dimensionality）而非四类（混淆矩阵+ROC+决策边界+学习曲线）
与 PCA 流水线的核心差异：
- fit() 传入 y——LDA 是有监督的，PCA 是无监督的
- n_components 受 $K - 1$ 约束——不能像 PCA 那样自由扩展

3. 训练模块负责什么

model_training/dimensionality/lda.py 里的 train_model(...) 主要负责四件事：

创建 LinearDiscriminantAnalysis(n_components=2, solver='svd') 实例
调用 model.fit(X_train, y_train)——学习判别方向（有监督，标签用于计算散度矩阵）
打印 n_components、explained_variance_ratio_ 和累计解释方差（若求解器支持）
返回训练完成的模型对象

参数速览

适用函数：train_model(X_train, y_train, n_components=2, solver='svd')

参数名	类型	说明	示例取值
`X_train`	`array_like`	标准化后的特征矩阵，传入 `LDA.fit()`	`X_scaled`
`y_train`	`array_like`	类别标签 ${0, 1, 2}$ ——LDA 训练必需的监督信息	`y`
`n_components`	`int`	保留的判别方向数。默认 `2`	`1`、`2`
`solver`	`str`	求解器。默认 `'svd'`	`'svd'`、`'eigen'`、`'lsqr'`
返回值	`LinearDiscriminantAnalysis`	已完成 `fit()` 的模型对象，含 `scalings_`、`explained_variance_ratio_` 等	—

理解重点

LDA 的 fit() 是有监督的——接收 y_train 参数。这与 PCA 分册形成鲜明对比，与分类分册一致。
训练日志中的 explained_variance_ratio_ 是 LDA 独有的统计输出——它反映判别方向贡献，PCA 的对应物含义不同（方差占比 vs 判别能力占比）。
@print_func_info 和 @timeit 装饰器提供函数标题和耗时——增强了教学型仓库的可读性。

4. 可视化模块负责什么

模块职责

模块	函数	输入	输出
降维可视化	`plot_dimensionality(...)`	`X_transformed`（投影坐标）、`y`（着色标签）、`explained_variance_ratio`（轴标注）	2D 判别散点图（PNG），坐标轴标注解释占比

理解重点

plot_dimensionality(...) 是当前 LDA 流水线中唯一的可视化模块——与分类分册的 4 种评估函数形成鲜明对比。
explained_variance_ratio 参数用于在坐标轴上标注各判别方向的贡献占比（如 LD1 (68.8%)）。
支持 mode='2d' 和 mode='3d' 两种模式——但 LDA 当前只使用 2D 模式（受 $K - 1 = 2$ 约束）。
与 PCA 共用同一个可视化函数——区别在于传入的数据含义不同（判别投影 vs 主成分投影），以及轴标签前缀不同（LD vs PC）。

5. 模块间的数据依赖关系

数据	生产者	消费者
`lda_data`	`data_generation/dimensionality.py`	`pipelines/dimensionality/lda.py`
`y`	`data["label"]` 提取	`train_model`（训练输入）、`plot_dimensionality`（着色）
`X_scaled`	`StandardScaler`	`train_model`、`model.transform`
`model`（含 `scalings_`、`explained_variance_ratio_`）	`train_model(...)`	`model.transform`、终端日志
`X_transformed`	`model.transform(X_scaled)`	`plot_dimensionality`
图片产物	`plot_dimensionality(...)`	`outputs/lda/` 目录

理解重点

数据依赖关系中有 6 个节点——比 PCA 流水线多了 y 流向 train_model 这一条边（有监督的核心差异）。
比分类流水线少了 train_test_split、predict、predict_proba、PCA、ROC 评估、学习曲线等节点。
y 的流向是扇出的——同时流入 train_model（训练）和 plot_dimensionality（着色）。这是 LDA 流水线数据流的最关键特征。

6. 运行后能得到什么

输出项

输出类型	当前结果	用途
终端标题	`LDA 降维流水线`	在终端中定位当前运行入口
训练日志	训练耗时、`n_components`、`explained_variance_ratio_`（各方向 + 累计）、函数耗时	查看判别方向学习耗时和各方向贡献占比
降维图	`outputs/lda/lda_dim_2d.png`	2D 判别散点图——Wine 3 类在判别子空间中的分布

理解重点

输出比分类分册少得多——只有 2 类（日志 + 1 张图），而非 5 类（日志 + 4 张图）。
explained_variance_ratio_ 是 LDA 独有的日志输出——它在 PCA 的日志中也存在但含义不同（判别能力占比 vs 方差占比）。
2D 判别散点图是最核心的教学产出——它直接展示了有监督降维将高维类别差异映射到低维空间的效果。

7. 推荐的源码阅读顺序

先看 pipelines/dimensionality/lda.py — 入口，代码量少，流程清晰
再看 model_training/dimensionality/lda.py — 训练封装，理解有监督 fit(X, y) 和条件性日志输出
再看 result_visualization/dimensionality_plot.py — 降维散点图绘制逻辑（含 explained_variance_ratio 轴标注）
最后回到 data_generation/dimensionality.py — 理解 Wine 数据集加载和标签重命名

理解重点

从入口看整体流程，再下钻到训练和可视化细节，阅读成本最低。
LDA 的调用链与 PCA 几乎一致（同一套模块分层），差异集中在 fit() 是否传 y 和 n_components 的上限约束。

运行结果

运行结果展示

常见坑

把 pipeline 文件误认为训练算法实现本体——它只是编排层，真正的广义特征值求解在 LinearDiscriminantAnalysis.fit() 中。
期待当前流水线有 train_test_split 或 predict() 调用——LDA 在这里是降维工具，输出低维坐标而非类别标签。
忽略 explained_variance_ratio_ 的条件可用性——lsqr 求解器不提供此属性。
把 label 的流向写成仅到可视化——它同时流入 train_model（训练输入）。
忘记 n_components=2 是 $K - 1$ 约束的结果而非随意选择——与 PCA 的 n_components 无此约束形成对比。

小结

当前 LDA 工程实现采用与 PCA 一致的模块分层：数据生成 → 训练封装（有监督）→ 流水线编排 → 单一可视化（判别散点图）。
run() 负责串联，train_model(...) 负责判别方向学习（fit(X, y)），plot_dimensionality(...) 负责降维可视化。
LDA 在工程上最不同于 PCA 的地方：fit() 有 y 参数（有监督）、n_components 受 $K - 1$ 约束、explained_variance_ratio_ 含义不同（判别能力 vs 方差）。
LDA 在工程上最不同于分类算法的地方：输出是 transform() 而非 predict()、单一降维散点图而非多类评估图——这是由降维定位决定的。

工程实现 ​

本章目标 ​

对应代码速览 ​

1. 端到端运行入口 ​

示例代码 ​

理解重点 ​

2. run() 串起了整个流程 ​

理解重点 ​

3. 训练模块负责什么 ​

参数速览 ​

理解重点 ​

4. 可视化模块负责什么 ​

模块职责 ​

理解重点 ​

5. 模块间的数据依赖关系 ​

理解重点 ​

6. 运行后能得到什么 ​

输出项 ​

理解重点 ​

7. 推荐的源码阅读顺序 ​

理解重点 ​

运行结果 ​

常见坑 ​

小结 ​

工程实现

本章目标

对应代码速览

1. 端到端运行入口

示例代码

理解重点

2. `run()` 串起了整个流程

理解重点

3. 训练模块负责什么

参数速览

理解重点

4. 可视化模块负责什么

模块职责

理解重点

5. 模块间的数据依赖关系

理解重点

6. 运行后能得到什么

输出项

理解重点

7. 推荐的源码阅读顺序

理解重点

运行结果

常见坑

小结