我有一组功能Train = [a1，a2，...，aN]和Train_label = [y1，y2，...，yN] . 我有3节课 . 我申请了LDA
clf = LDA(store_covariance = True)
clf.fit(Train, Train_label)
并试图通过以下方式获得这些功能的重要性
clf.coef_.
结果是3XN阵列 . 返回值的范围从负800左右到正800左右 . 该图显示了一个classclf.coef_ [1，：]的权重
负值是什么意思？
我选择具有前3个最大coef_值的每个类的特征来再次进行分类（交叉验证和训练和测试） .
selected_features = [a27, a22, a5, a23, a10, a42]
其中，a27，a22，a5被选择为第一类具有最大coef的3个特征，第二类具有a27，a23，a10，第三类具有a27，a10，a42 .
但分类准确度下降了很多！结果甚至比我之前选择的一些功能更糟糕 . 我尝试了6个具有最大coef_值的选定特征，结果也很糟糕 .
任何人都可以告诉我哪里出错了，并向我解释使用LDA进行特征选择的正确方法是什么？