以前看机器学习的书本，好像会直接跳过这一节，对于LDA直接无视，估计是在实际应用中用得很少。可是百度查了一下，它的使用场景还比较广泛，包含人脸识别、目标检测、语音识别、信用卡欺诈检测等。并且它的优势多多：

1. 可以直接求解析解，对不平衡数据有优势。
2. 与神经网络相比，不需要调参。（后面查了一下，这里可能是有学者改进了LDA方法，然后论证了它不需调参的优势，至于实际应用，好像没有）
3. 与支持向量机相比，计算效率更高。

好吧，搜索了一圈，也只能搜到讲解其理论基础的文章，鲜少有介绍其应用前景的（侧面说明其暂时没有前景）。回到百度百科维基词条：

 于是我发现，LDA与模式识别存在关联，于是又搜了一下模式识别，发现它的概念和分类预测也有点混淆。这个直接加入后续学习清单。

再来看LDA的应用领域，应该说比较小众，包括破产预测、人脸识别、市场营销、生物医学研究、地球科学等领域（维基百科）。LDA有被LR取代的趋势，除非它用于降维（类似PCA，而PCA是无监督降维）。

所以它可能是先进的统计学方法、普通的模式识别方法和落后的机器学习方法。不过像这样去追溯机器学习（或者说统计学习）的发展历程，查到很多古老文献，和非主流论文，也很有意义。