Fisher線性判別分析
1、概述
在使用統計方法處理模式識別問題時，往往是在低維空間展開研究，然而實際中數據往往是高維的，基於統計的方法往往很難求解，因此降維成了解決問題的突破口。
假設數據存在於d維空間中，在數學上，通過投影使數據映射到一條直線上，即維度從d維變為1維，這是容易實現的，但是即使數據在d維空間按集群形式緊湊分布，在某些1維空間上也會難以區分，為了使得數據在1維空間也變得容易區分，需要找到適當的直線方向，使數據映射在該直線上，各類樣本集群交互較少。如何找到這條直線，或者說如何找到該直線方向，這是Fisher線性判別需要解決的問題。
2、從d維空間變換到1維空間
3、介紹幾個基本的參量
A. 在d維原始空間
B. 在1維映射空間
4、Fisher准則函數
5、學習算法推導
6、決策分類
