吃瓜理解-二分类线性判别分析

说实话这一节看的头昏脑涨，最后瑞利商那部分理解的也很勉强

算法原理：

由原理可得下图：

由图：异类样本的投影中心距离，仅与∠1和∠2有关即与投影面的方向有关，与投影面的大小无关；所以直接内积相乘，可以避免计算cos∠1，cos∠2；如下图所示

指的是标签为0的所有样本：

损失函数推导：

ps：对于矩阵;，B为对称阵，所以以下,都是对称阵。

拉格朗日乘子法：

因为一个行向量，一个列向量乘出来肯定是常数

广义特征值与广义瑞利商：

二分类:直接选最大特征值对应的特征向量
多分类:需要考虑多个特征向量的组合

理解有限不是很会表述，但最重要的是知道最这句话的这个结论，欢迎大佬指正补充。