Type真是太帅了

基本思想若把样本的多维特征空间的点投影到一条直线上，就能把特征空间压缩成一维。那么关键就是找到这条直线的方向，找得好，分得好，找不好，就混在一起。因此fisher方法目标就是找到这个最好的直线方向以及如何实现向最好方向投影的变换。这个投影变换恰是我们所寻求的解向量 ，这是fisher算法的基本问题。样本训练集以及待测样本的特征数目为n。为了找到最佳投影方向，需要计算出各类均值、样本类内离散度矩阵...

原理：略。步骤：二分类问题：（1）将第一类样本作为正样本，第二类样本作为负样本。首先，对样本的向量空间进行增广，即对n维向量x的首部或者尾部增加一个参数1，增广为(n+1)维向量，并对其进行规范化，即正样本不做处理，负样本的(n+1)维向量取负。（2）定义一个(n+1)维权向量w，并进行初始化，定义学习步长LearnRate。（3）进行迭代，对于每个样本，如果w与x的转置的乘积大于0，则不做处理，...