La PCA préserve les distances locales comme le t-SNE, tandis que la LDA agit comme un auto-encodeur.

La PCA est utilisée exclusivement pour les données textuelles, alors que la LDA est pour les images.

La PCA est non-supervisée et cherche à maximiser la variance globale, tandis que la LDA est supervisée et cherche à maximiser la séparabilité entre les classes.

La PCA est supervisée, alors que la LDA est non-supervisée.