线性分类器三大准则

本文深入探讨了线性分类器的三种最优准则:Fisher准则,即LDA,它通过最大化类间间隔和最小化类内间隔实现高效分类;感知准则函数,其目标是最小化错分类样本到决策边界的距离;以及支持向量机,它侧重于最大化样本与决策边界之间的间隔。这三种准则在机器学习中有着广泛的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

线性分类器最佳准则

线性分类器三种最优准则:

  1. Fisher 准则:(LDA)投影后类内间隔最小,类间间隔最大。即最大化“广义瑞利熵”。
  2. 感知准则函数 :准则函数以使错分类样本到分界面距离之和最小为原则。
  3. 支持向量机 :最大化样本到分界面的间隔。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值