判别分析是已知类别下的分类工具，核心逻辑是在总体类别明确时，通过研究对象特征构建判别函数，判断新样本所属类别，与聚类分析的核心差异的是 “有先验类别标签”。主要分类维度：按判别组数，分为两组判别（如判断用户是否流失）和多组判别（如划分用户价值层级）；按函数形式，分为线性判别（函数为线性组合）和非线性判别（函数为非线性形式，适配复杂关系）；按处理方式，分为逐步判别（筛选有效特征、优化模型）和序贯判别（按顺序判别、提升效率）；按判别标准，分为距离判别法（基于样本到类别中心距离判断）、Fisher 判别法（最大化类间差异、最小化类内差异）。应用场景聚焦分类与预警：一是用户群体划分，已知用户类别标签，构建模型快速判断新用户所属群体，助力精准营销；二是用户流失预警，依托流失与留存用户的历史特征构建函数，提前采取挽留措施；三是业务决策辅助，如银行通过企业营收、信用记录等特征，判别其是否符合贷款条件，支撑信贷决策；四是产品质量管控，依据产品检测指标，判别其为优质品、合格品或次品，优化质量管控。使用需满足核心条件：各组数据服从多元正态分布，线性判别需满足各组协方差矩阵相等。实操技巧：通过逐步判别筛选核心特征，减少冗余、提升准确率；数据需标准化处理，消除量纲对距离计算的影响；用 10 折交叉验证评估模型，避免过拟合；结合业务调整判别阈值，如流失预警中降低阈值，平衡准确率与召回率，提前识别潜在风险用户。