Comparación de los métodos PCA y LDA para selección de características

Este trabajo presenta un análisis comparativo de dos métodos estadísticos para selección de características: Análisis de Componentes Principales (PCA) y Análisis Discriminante Lineal (LDA). Se realiza el análisis comparativo de estos algoritmos de reducción de dimensionalidad con fines académicos para conocer y comparar su desempeño en términos de precisión, con diferentes conjuntos de datos y para su incorporación posterior a un sistema de clasificación basado en aprendizaje automático. Estos métodos estadísticos se implementan en el entorno de desarrollo Spyder y se realizan pruebas con siete conjuntos de datos públicos para visualizar resultados de ambos métodos. Los resultados permiten contrastar los valores obtenidos en ambos métodos de selección de variables resaltando similitudes y diferencias en términos de precisión pero sin llegar a declinarse por alguno de ellos.