线性判别函数-Fisher 线性判别
这是我在上模式识别课程时的内容，也有参考这里。 线性判别函数的基本概念 判别函数为线性的情况的一般表达式 式中x是d 维特征向量，又称样本向量， 称为权向量， 分别表示为 是个常数，称为阈值权。 设样本d维特征空间中描述，则两类别问题中线性判别函数的一般形式可表示成 (3-1 ...
原文：线性判别函数
模式识别课堂笔记 假定用于分类的判别函数的参数形式已知，直接从样本来估计判别函数的参数。不需要有关概率密度函数的确切的参数形式。因此，属于无参数估计方法。 注：虽然判别函数有需要学习的参数，但却与前面所讲的非参数估计是一个框架下的，因为线性判别法并不关心数据的生成机理，完全由样本来确定类别情况。 分类： 线性判别函数 支持向量机 Fisher线性判别函数 广义线性判别函数 非线性判别函数 核学习机 ...
2016-03-24 20:02 0 1872 推荐指数：
相关推荐
【模式识别与机器学习】——3.1线性判别函数
3.1线性判别函数 3.1.1两类问题的判别函数 （1）以二维模式样本为例 （2）用判别函数进行模式分类依赖的两个因素 ① 判别函数的几何性质：线性的和非线性的函数。 线性的是一条直线； 非线性的可以是曲线、折线等； 线性判别函数建立起来比较简单（实际应用较多）； 非线性判别函数 ...
机器学习 —— 基础整理（六）线性判别函数：感知器、松弛算法、Ho-Kashyap算法
这篇总结继续复习分类问题。本文简单整理了以下内容： （一）线性判别函数与广义线性判别函数 （二）感知器 （三）松弛算法 （四）Ho-Kashyap算法 闲话：本篇是本系列［机器学习基础整理］在timeline上最新的，但实际上还有（七）、（八）都发布的比这个早 ...
机器学习 —— 基础整理（一）贝叶斯决策论；二次判别函数；贝叶斯错误率；生成式模型的参数方法
本文简单整理了以下内容： （一）贝叶斯决策论：最小错误率决策、最小风险决策；经验风险与结构风险 （二）判别函数；生成式模型；多元高斯密度下的判别函数：线性判别函数LDF、二次判别函数QDF （三）贝叶斯错误率 （四）生成式模型的参数估计：贝叶斯学派与频率学派；极大似然估计、最大 ...
LDA 线性判别分析
LDA, Linear Discriminant Analysis，线性判别分析。注意与LDA（Latent Dirichlet Allocation，主题生成模型）的区别。 1、引入 上文介绍的PCA方法对提取样本数据的主要变化信息非常有效，而忽略了次要变化的信息。在有些情况下，次要信息 ...
线性判别分析（LDA）
线性判别分析 线性判别分析(linear discriminant analysis，LDA)是对费舍尔的线性鉴别方法的归纳，这种方法使用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或区分它们。所得的组合可用来作为一个线性分类器，或者，更常见 ...
线性判别分析LDA
、甚至可以用皮尔森相关系数等。朴素贝叶斯分类用的就是Bayes判别法。本文要讲的线性判别分析就是用是F ...
LDA（线性判别分析）
LDA算法入门（原文：https://blog.csdn.net/warmyellow/article/details/5454943） 一． LDA算法概述： 线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher线性判别(Fisher ...