线性判别分析
2017-01-18 17:06
218 查看
1 原理介绍
我们想要的投影后的样本点的样子是:不同类别的样本点越分开越好,同类的越聚集越好,也就是均值差越大越好,散列值越小越好。
2 二类问题
3 C类问题
4 决策准则
5 代码示例
6 参考文献
[1] Fisher Discriminant Analysis with Kernals. Sebastian Mika, Gunnar Ratsch, Jason Weston, Bernhadr Scholkopf, Klaus-Robert Muller.[2] Fisher Linear Discriminant Analysis. Max Welling.
[3] http://users.rowan.edu/~polikar/WAVELETS/WTtutorial.html.
相关文章推荐
- 数据挖掘分类算法的评价指标
- kNN(K-Nearest Neighbor)最邻近规则分类
- ajax应用
- GBDT:梯度提升决策树
- 机器学习算法解析—逻辑回归分类
- 机器学习算法解析—朴素贝叶斯分类
- 数据挖掘中,分类与聚类的区别
- IBM SPSS Modeler 应用实例篇--简单的分类建模及应用
- 决策树
- Logistic回归
- AdaBoost元算法
- PCA和Softmax学习
- PCA数学原理
- 决策树分类算法
- 朴素贝叶斯分类器的应用
- opencv2.4.9中KNN算法理解
- 机器学习_贝叶斯网络分类算法
- logistic算法使用方法
- 随机森林算法的使用
- 混淆矩阵(Confusion Matrix)分析