本文参考《模式识别》 张学工
以二分类介绍
fisher线性判别:把所有样本都投影到一个方向,然后在这个一维空间中确定一个分类阈值,而fisher要找的就是这个投影方向。
衡量投影方向的标准:选择投影方向,使投影后两类相邻尽可能远,同时每一类内部的样本又尽可能近。
算法推导
训练样本为 {
x1,x2,...,xN} 每一个样本是一个d维向量,即 xi∈Rd ,其中第一类的样本样本为 {
x11,x12,...,x1N1} ,第二类样本为 {
x21,x22,...,x2N2} 。我们要寻找一个投影方向 ω 使投影后的样本为
yi=ωTxi
在原来的样本空间中,类别均值为
mi=1Ni∑xj∈x(i)xj
式中i = 1,2表示两个类别,x(i)表示第i类的集合。定义各类内离散度矩阵为
Si=∑xj∈x