定义
MDA（Multiple Discriminant Analysis，多元判别分析法）是一种多元的降维分析方法，是线性判别分析（Linear Discriminant analysis, LDA）在多个类别应用上的拓展，目的是找到能够最大化数据里不同类别差异的线性判别函数，构成一个能够区分不同种类数据的超平面。
图 1
如图1所示，用两个判别函数（Discriminant Function）来描述三个类别的数据，这三个类别是由两组变量Variable1和Variable2组成的。其中Discriminant Function 1能够很好地区分第1类和第2类，但不能将第1类和第3类很好地区分；Discriminant Function 2能够很好地区分第1类和第3类，但是不能很好地区分第1类和第2类，而综合两个判别函数则能很好地对三类进行区分。
在神经元的噪声相关性研究中也通常使用类似MDA的分析手段。其中，横纵坐标分别为两个神经元的噪声峰值数，而不同种类一般代表不同的刺激。在噪声相关研究中通常采用d2来度量区分不同种类的能力：
其中Δμ是两类别之间的平均响应的差，Q是各类别间的平均协方差矩阵。
参考文献
[1] https://en.wikipedia.org/wiki/Multiple_discriminant_analysis
[2] https://mb3is.megx.net/gustame/discrimination/multiple-discriminant-analysis
