El análisis discriminante lineal busca la combinación lineal de las variables disponibles que maximiza la separación entre distintas categorías ya conocidas, pudiendo usarse tanto para clasificar nuevas observaciones como para reducir la dimensionalidad de los datos preservando esa separación entre clases.
Su diferencia clave con PCA
Mientras que PCA busca las direcciones que capturan la mayor variabilidad total de los datos sin considerar ninguna categoría, LDA busca específicamente las direcciones que mejor separan categorías ya conocidas de antemano, siendo una técnica supervisada en lugar de no supervisada.