Линейный дискриминантный анализ с использованием alglib

Меня попросили провести линейный дискриминантный анализ набора данных для одного из моих проектов. Я использую ALGLIB (версия C ++), которая имеет функцию fisherlda, но мне нужна помощь, чтобы понять, как ее использовать.

Пользователь отвечает на 6 вопросов (число ответов от 1 до 7), что дает мне пример набора данных, например, {1,2,3,4,5,6}. Затем у меня есть 5 классов по 6 значений, например, {0.765, 0.895, 1.345, 2.456, 0.789, 5.678}.
Функция fisher lda принимает двумерный массив значений и возвращает еще один одномерный массив значений (что я понятия не имею, что они имеют в виду).

Насколько я понимаю, мне нужно понять, к какому классу лучше всего подходят ответы пользователей?

Будем весьма благодарны за любую помощь в понимании LDA и / или как я могу использовать эту функцию.

РЕДАКТИРОВАТЬ:

Вот определение функции, которую я пытаюсь использовать:

/*************************************************************************
Multiclass Fisher LDA

Subroutine finds coefficients of linear combination which optimally separates
training set on classes.

INPUT PARAMETERS:
XY          -   training set, array[0..NPoints-1,0..NVars].
First NVars columns store values of independent
variables, next column stores number of class (from 0
to NClasses-1) which dataset element belongs to. Fractional
values are rounded to nearest integer.
NPoints     -   training set size, NPoints>=0
NVars       -   number of independent variables, NVars>=1
NClasses    -   number of classes, NClasses>=2OUTPUT PARAMETERS:
Info        -   return code:
* -4, if internal EVD subroutine hasn't converged
* -2, if there is a point with class number
outside of [0..NClasses-1].
* -1, if incorrect parameters was passed (NPoints<0,
NVars<1, NClasses<2)
*  1, if task has been solved
*  2, if there was a multicollinearity in training set,
but task has been solved.
W           -   linear combination coefficients, array[0..NVars-1]

-- ALGLIB --
Copyright 31.05.2008 by Bochkanov Sergey
*************************************************************************/
void fisherlda(const real_2d_array &xy, const ae_int_t npoints, const ae_int_t nvars, const ae_int_t nclasses, ae_int_t &info, real_1d_array &w);