Fisher判別分析詳解
Fisher判別分析 將高維度空間的樣本投影到低維空間上，使得投影后的樣本數據在新的子空間上有最小的類內距離以及最大的類間距離，使得在該子空間上有最佳的可分離性 可以看出右側投影后具有更好的可分離性。 Fisher判別分析和PCA差別 剛學完感覺兩個很類似，實際上兩個方法是從不同的角度來降維。 PCA是找到方差儘可能大的維度，使得信息儘可能都保存，不考慮樣本的可分離性，不具備預測功能。 LAD(線
相關文章
- 1. Fisher判別分析
- 2. Fisher線性判別分析
- 3. LDA(Fisher)線性判別分析
- 4. Fisher判別
- 5. fisher線性判別
- 6. 【線性判別】Fisher線性判別（轉）
- 7. 機器學習：線性(Fisher)判別分析
- 8. 十分鐘帶你瞭解Fisher線性判別
- 9. 判別分析
- 10. 線性分類器之Fisher線性判別
- 更多相關文章...
- • XML DOM 解析器 - XML DOM 教程
- • 免費ARP詳解 - TCP/IP教程
- • Flink 數據傳輸及反壓詳解
- • 常用的分佈式事務解決方案
相關標籤/搜索
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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Fisher判別分析
- 2. Fisher線性判別分析
- 3. LDA(Fisher)線性判別分析
- 4. Fisher判別
- 5. fisher線性判別
- 6. 【線性判別】Fisher線性判別（轉）
- 7. 機器學習：線性(Fisher)判別分析
- 8. 十分鐘帶你瞭解Fisher線性判別
- 9. 判別分析
- 10. 線性分類器之Fisher線性判別