您现在的位置是:首页 > 技术资料 > Fisher判别分析
推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

Fisher判别分析

更新时间:2026-03-27 08:47:57 大小:18K 上传用户:潇潇江南查看TA发布的资源 标签:fisher 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

一、基本概念

Fisher判别分析(Fisher Discriminant Analysis,简称FDA)是一种经典的线性判别方法,由英国统计学家Ronald A. Fisher于1936年提出。其核心思想是通过寻找一个最优投影方向,将高维样本数据投影到低维空间(通常是一维或二维),使得不同类别的样本在投影后的空间中尽可能分离,同类样本尽可能聚集,从而实现对新样本的分类判别。

FDA主要适用于解决监督学习中的分类问题,尤其在样本数量相对较少、类别数不多的情况下表现良好。它属于线性判别方法,通过线性变换实现降维和分类,具有计算简单、解释性强等优点。

二、基本原理

(一)核心目标

Fisher判别分析的核心目标是最大化类间距离与类内距离的比值。具体来说,假设存在两类样本,我们希望找到一个投影向量w,使得投影后两类样本的均值之差的平方(类间离散度)与两类样本的合并方差(类内离散度)的比值达到最大。这一比值被称为Fisher准则函数。

(二)数学推导

设样本数据集包含N个样本,分为C个类别(通常先考虑二分类问题,再推广到多分类)。对于二分类问题,设类别ω1有N1个样本,类别ω2有N2个样本,N1+N2=N

1. 定义类内离散矩阵Sw:

Sw=S1+S2

其中,Si为类别ωi的协方差矩阵,Si= ΣT,μi为类别ωi的样本均值向量。

2. 定义类间离散矩阵Sb:

Sb= T

部分文件列表

文件名 大小
Fisher判别分析.docx 18K

【关注B站账户领20积分】

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载