我使用sklearn中的LinearDiscriminantAnalysis分类器对一些数据进行了分类，分成了两类，结果效果很好，所以我做了以下操作：

from sklearn.cross_validation import train_test_splitfrom sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDAx_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25) # 数据集的25%不用于训练clf = LDA()clf.fit(x_train, y_train)

然后我成功地使用它进行了预测，结果很好。

但这一切都是在一个ipython笔记本中进行的，我希望能在其他地方使用这个分类器。我了解到可以使用pickles和joblib，但由于我只有两个组和两个特征，所以我想我可以仅仅获取边界线的方程，然后通过检查给定点是否在线的上方或下方来判断它属于哪个组。

据我所知，这条线与投影线正交，并通过各簇均值的均值。我认为我已经通过np.mean(clf.means_, axis=0)获取了簇的均值。

但在这里，我卡在了如何使用所有属性如clf.coef_，clf.intercept_等来找到投影线的方程上。

所以，我的疑问是，如何根据我的分类器获取边界线的方程。

也有可能是我没有正确理解LDA，我很乐意得到更多的解释。

谢谢

回答：

决策边界就是由以下方程给出的线：

np.dot(clf.coef_, x) - clf.intercept_ = 0

（截距的符号可能根据实现的不同而翻转），因为这是决策函数符号翻转的地方。