我在数学 Stackexchange 中问过这个问题，但认为它可能更适合这里：

我目前正在学习数据分析课程，并且了解了 LDA（线性判别分析）和 FDA（Fisher 判别分析）这两个术语。我几乎感觉它们在某些地方被用作同义词，这显然不是真的。

有人可以解释一下这些方法是如何相关的吗？由于 LDA 的目标是减少维度，同时保留来自这些维度的信息，并且 FDA 提出了一种方法来实现这一点，我可以说 Fisher 的方法只是 LDA 的一个子主题吗？

或者作为我可能添加的附加问题，FDA 和 LDA 可以是同义词，因此在任何给定情况下都是等价的吗？我什么时候使用 LDA，什么时候使用 FDA？

我已经在维基百科上找到了一些答案：

术语 Fisher 的线性判别式和 LDA 经常互换使用，尽管 Fisher 的原始文章实际上描述了一个略有不同的判别式，它没有做出 LDA 的一些假设，例如正态分布的类或等类协方差。

有人还能说得更详细一点吗？