Fisher判别法的推导及过程解析与Python代码实现（针对三分类问题）
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本文详细介绍了Fisher判别法在解决三分类问题中的理论推导和具体步骤，并提供了相应的Python代码实现。
Fisher判别法的主要思想及数学算法步骤如下：
一、 Fisher算法的核心理念是通过寻找一个投影方向向量W，使得不同类别的样本在该维度上尽可能分开。
二、具体实现的步骤包括：
1. 计算每个类别样本的均值向量mi和各类样本的数量Ni。
2. 根据上述计算结果，分别求得各个类内的离散度矩阵Si以及所有类总的内部分散性Sw。
3. 接下来是确定不同类别之间的差异程度，即得到类间分散度矩阵Sb。
4. 最后一步是要找到一个最佳的投影方向向量W（其维度与原始样本相同），使得在该一维空间Y中，各类样本均值之差(m1−m2)尽可能大。同时，在每一类别内部，希望样本之间的差异性Sw尽量小。
通过这种方式，Fisher判别法能够有效地将多维数据映射到一个合适的低维度或单一维度上，并在此过程中最大化类间距离和最小化类内离散度。
全部评论 (0)
还没有任何评论哟~
