Fisher 선형 기준이란 무엇인가요?

패턴 인식에 자주 사용되는 방법을 플래셔 선형 판별이라고 합니다. 피셔 판별의 기본 아이디어는 P차원 공간의 특정 점 x=(x1, x2, x3,..., xp)에 대해 이를 a로 줄일 수 있는 선형 함수 y(x)를 찾는 것입니다. 1차원 값:

y(x)= ∑Cjxj

그런 다음 이 선형 함수를 적용하여 P차원 공간에서 알려진 범주 모집단과 범주가 해당하는 샘플을 변환합니다. 1차원 데이터에 속하며, 친밀도에 따라 소유권을 알 수 없는 샘플 포인트의 소유권을 결정합니다. 이 선형 함수는 P차원 공간의 모든 포인트를 1차원 값으로 변환한 후 동일한 카테고리에 있는 샘플 포인트 간의 차이를 최소화하고 서로 다른 카테고리에 있는 샘플 포인트 간의 차이를 최대화할 수 있어야 합니다. 차별 효율성. 여기서 일분산분석의 개념을 차용하면, 즉 그룹 내 평균제곱오차에 대한 그룹간 평균제곱오차의 비율을 최대화하는 원리에 따라 판단이 이루어진다.