fisher判别法的判断规则

Question

如题所述

Answer 1

Fisher判别法是一种线性判别方法，它基于投影的概念，将高维数据投影到低维空间中，以便进行分类。这种方法最早由英国统计学家Ronald Fisher提出，因此得名Fisher判别法。Fisher判别法的判断规则如下：

1.计算投影向量：首先，我们需要找到一个投影向量，将高维数据投影到低维空间中。这个投影向量可以通过求解广义特征问题得到。具体来说，我们需要找到一个投影向量，使得在投影后，同类样本尽可能接近，不同类样本尽可能远离。

2.计算判别函数：一旦得到了投影向量，我们就可以计算判别函数。判别函数是通过对投影后的数据进行线性或非线性变换得到的。这个变换可以是任何可学习的映射，比如sigmoid函数或tanh函数。

3.分类：最后，我们通过比较判别函数的值来对新的样本进行分类。如果判别函数的值大于某个阈值，那么我们就将这个样本归为某一类；否则，我们就将其归为另一类。

4.Fisher判别法是一种非常有效的分类方法，它适用于多种数据类型，包括文本、图像和声音等。在实际应用中，这种方法通常与其他的机器学习算法结合使用，以提高分类准确率。

值得注意的是，Fisher判别法也存在一些局限性。例如，它假设同类样本的分布是相同的，这在实际应用中可能不成立。此外，Fisher判别法只能处理二分类问题，对于多分类问题需要进行扩展或改进。

Fisher判别法是一种经典的线性判别方法，它通过寻找合适的投影向量和判别函数来实现分类。这种方法适用于多种数据类型和应用场景，但在实际应用中需要注意其局限性并进行改进。