線性分類器之Fisher線性判別

在前文《貝葉斯決策理論》中已經提到，不少狀況下，準確地估計機率密度模型並不是易事，在特徵空間維數較高和樣本數量較少的狀況下尤其如此。 實際上，模式識別的目的是在特徵空間中設法找到兩類（或多類）的分類面，估計機率密度函數並非咱們的目的。 前文已經提到，正態分佈狀況下，貝葉斯決策的最優分類面是線性的或者是二次函數形式的，本文則着重討論線性狀況下的一類判別準則——Fisher判別準則。web 爲了不陷入

>>阅读原文<<