线性判别分析的最终目标是()。A. 类内散度尽量大，类间散度尽量小B. 类内散度尽量大，类间散度尽量大C. 类内散度尽量小，类间散度尽量大D. 类内散度尽量小，类间散度尽量小

线性判别分析（LDA）的核心目标是通过降维实现类别间的有效分离。其关键在于：

1. 类内散度：同一类别内部样本的分散程度，应尽量小（样本聚集）。
2. 类间散度：不同类别之间的分离程度，应尽量大（类别间区分明显）。

LDA通过优化投影方向，使得降维后数据在类内紧凑、类间分散，从而提升分类效果。

选项分析：

• A（类内大，类间小）：错误。类内散度大意味着同类样本分散，不利于分类。
• B（类内大，类间大）：错误。类内散度大同样会导致分类性能下降。
• C（类内小，类间大）：正确。符合LDA通过减小类内散度、增大类间散度实现类别分离的目标。
• D（类内小，类间小）：错误。类间散度小无法有效区分类别。

结论：LDA的目标是最小化类内散度并最大化类间散度，对应选项C。