線性判別分析（LDA）

時間 2020-12-29

欄目應用數學简体版

原文原文鏈接

今天學習一個分類算法-線性判別分析 Fisher線性判別分析簡單來說就是把不同類別的數據集投影到可以分開的程度，並用下式來衡量投影可分的程度。其中，μ1-μ2>表示兩類別均值的距離，s12 +s22表示兩類別散度平方和。於是利用此公式尋找分類效果最佳的投影矩陣~ 推導過程如下：

>>阅读原文<<

相關文章

1. 線性判別分析LDA
2. LDA線性判別分析
3. LDA(線性判別分析)
4. 線性判別分析(LDA)
5. LDA 線性判別分析
6. 線性判別分析（LDA）
7. LDA——線性判別分析
8. 線性判別分析【LDA】
9. 線性分類判別LDA
10. LDA（線性判別分析，Linear Discriminant Analysis）
更多相關文章...
• SVG 漸變 - 線性 - SVG 教程
• C# 多線程 - C#教程
• 互聯網組織的未來：剖析GitHub員工的任性之源
• JDK13 GA發佈：5大特性解讀

相關標籤/搜索

Fisher線性判別

PHP 7 新特性

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。

最新文章

本站公眾號

歡迎關注本站公眾號,獲取更多信息

相關文章

1. 線性判別分析LDA
2. LDA線性判別分析
3. LDA(線性判別分析)
4. 線性判別分析(LDA)
5. LDA 線性判別分析
6. 線性判別分析（LDA）
7. LDA——線性判別分析
8. 線性判別分析【LDA】
9. 線性分類判別LDA
10. LDA（線性判別分析，Linear Discriminant Analysis）

>>更多相關文章<<