【模式识别】Fisher线性判别

最新推荐文章于 2025-05-17 15:38:00 发布

原创

最新推荐文章于 2025-05-17 15:38:00 发布 · 3.3k 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

Fisher是一种将高维空间映射到低维空间降维后进行分类的方法

1.投影:

对 $\vec {x_n}$ 的分量作线性组合可得标量

y n = w ⃗ T x n \to

$y_n=\vec {w}^T\vec{x_n}$

什么样的映射方法是好的，我们需要设计一个定量的标准去找 $\vec{w}$ 来衡量分类的好坏，或者叫做准则函数。

2.基本参量

在d维X空间
- 各类样本均值向量 $\vec m_i$
  
  $m i \to = 1 N i \sum x ⃗ \in X i x ⃗, i = 1, 2$ $\vec {m_i}=\frac{1}{N_i}\sum_{\vec x \in \mathscr{X_i}} \vec x,i=1,2$
- 样本类内离散度矩阵 $S_i$ 和总类内离散度矩阵 $S_w$
  
  $S i = \sum x \in X i (x ⃗ - m i \to) (x$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。