数学建模强化宝典（14）Fisher 最优分割法

前言

       Fisher最优分割法是一种对有序样品进行聚类的方法，它在分类过程中不允许打破样品的顺序。这种方法的目标是找到一种分割方式，使得各段内样品之间的差异最小，而各段之间的差异最大。以下是关于Fisher最优分割法的详细介绍：

一、概念与原理

• 定义：Fisher最优分割法通过对有序样品的离差平方和进行计算，确定最优的分类数，使得同类样本间的差异最小，各类别样本间的差异最大。
• 核心指标：离差平方和（即组内样本的方差）是衡量同类样本之间差异程度的重要指标。
• 优化目标：找到一种分割方法，使得损失函数（通常定义为各段离差平方和的总和）达到最小。

二、计算流程

Fisher最优分割法的计算流程大致如下：

1. 数据准备：确保样品数据是有序的，并按顺序排列。
2. 计算损失函数：
   • 定义损失函数为各段离差平方和的总和。
   • 对于每个可能的分割点，计算将样品分割成若干段后的损失函数值。
3. 寻找最优分割：
   • 通过迭代计算，找到使损失函数达到最小的分割方法。
   • 通常采用动态规划的方法，从将全部样品视为一段开始，逐步增加分类数，直到找到最优解。
<