实验目的
为了进一步理解和掌握Fisher线性判别法的基本原理和实现过程,利用Fisher判别法解决实际问题进行试验。
实验环境
Windows 10,Python 3.7.4,PyCharm 2019.2.3
实验原理
Fisher线性判别法的基本思想是:通过寻找一个投影方向(线性变换,线性组合),将高维问题降低到一维空间来解决,并且要求变换后的一维数据类间离散度尽可能大,类内离散度尽可能小,能够使得两类之间尽可能分开,各类的内部又能尽可能聚集,如图1-1。
Fisher线性判别分析,就是通过给定的训练数据,确定投影方向W和阈值y0,即确定线性判别函数,然后根据这个线性判别函数,对测试数据进行测试,得到测试数据的类别。
基本参数:
1.在d维空间
(1)各类样本均值向量
(2)样本的类内离散度矩阵,总的类内离散度矩阵
(3)样本间类内离散度
2.在一维空间
(1)各类样本的均值