LDA(Fisher)线性判别分析

LDA(Linear Discriminant Analysis)是一种经典的线性判别方法，又称Fisher判别分析。该方法思想比较简单:给定训练集样例，设法将样例投影到一维的直线上，使得同类样例的投影点尽可能接近和密集（即希望类内离散度越小越好），异类投影点尽可能远离（即希望两类的均值点之差越小越好） 两类数据点的类心分别是 μ 1 = 1 ∣ C 1 ∣ ∑ x ∈ C 1 x 和 μ 2 =

>>阅读原文<<