首页 > 试题广场 >

Fisher 线性判别函数的求解过程是将N维特征矢量投影在(

[单选题]
Fisher 线性判别函数的求解过程是将N维特征矢量投影在( )中进行求解?
  • 一维空间
  • N—1维空间
  • 三维空间
  • 二维空间
推荐
A:
Fisher线性判别 应用统计方法解决模式识别问题时,一再碰到的问题之一是维数问题。在低维空间里解析上或者计算上行的通的方法,在高维空间里往往行不通。因此,降低维数就成为处理实际问题的关键。我们考虑把d维空间的样本投影到一条直线上,形成一维空间,即把维数压缩到一维。然而,即使样本在d维空间里形成若干紧凑的互相分开分得开的集合,若它们投影到任意一条直线上,也可能使得几类样本混在一起而变得无法识别。但在一般情况下,总可以找到某个方向,使得在这个方向的直线上,样本的投影能分开的最好。问题是如何根据实际情况找到这条最好的、最易于分类的投影线。这就是Fisher方法要解决的问题
    
编辑于 2016-04-28 10:06:20 回复(0)
我看着线性就觉得是一维。。。
发表于 2015-09-21 23:04:37 回复(2)
要注意理解题意,投影成线性判别函数,只有一维上才能说是线性的。
发表于 2016-06-04 09:47:53 回复(0)
Fisher是什么鬼=.=
发表于 2015-09-27 11:11:16 回复(0)
假设类别个数为N,将W视为投影矩阵,shape(W)=d*(N-1),其中d为样本原特征个数。因此,多分类LDA将样本投影到N-1维空间,N-1通常远小于原有数据特征个数。于是,可以通过这个投影减小样本点的维数。
编辑于 2019-02-10 22:13:53 回复(0)