线性判别分析 是对费舍尔的线性鉴别方法的归纳，这种方法使用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或区分它们。所得的组合可用来作为一个线性分类器，或者，更常见的是，为后续的分类问题做降维处理。
在机器学习中，多元分类是将实例分类问题到多个类别中的其中一个。
智能规划是人工智能的一个分支，其关注的是实现策略或动作序列，通常为了处理智能代理、自主机器人和无人驾驶车辆。不同于古典控制和分类问题，解决方案是复杂的，并且必须被发现和优化在多维空间。规划也与决策理论相关。
灵敏度和特异度，或称敏感性和特异性，是统计学中用来表征二项分类问题特征的数据，在统计学中也被称为统计分类，在医学中广为使用。
在机器学习中，支援向量机是在分类问题与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例，每个训练实例被标记为属于两个类别中的一个或另一个，SVM训练算法建立一个将新的实例分配给两个类别之一的模型，使其成为非概率二元线性分类器。SVM模型是将实例表示为空间中的点，这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后，将新的实例映射到同一空间，并基于它们落在间隔的哪一侧来预测所属类别。
在机器学习中，支援向量机是在分类问题与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例，每个训练实例被标记为属于两个类别中的一个或另一个，SVM训练算法建立一个将新的实例分配给两个类别之一的模型，使其成为非概率二元线性分类器。SVM模型是将实例表示为空间中的点，这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后，将新的实例映射到同一空间，并基于它们落在间隔的哪一侧来预测所属类别。
在机器学习中，支援向量机是在分类问题与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例，每个训练实例被标记为属于两个类别中的一个或另一个，SVM训练算法建立一个将新的实例分配给两个类别之一的模型，使其成为非概率二元线性分类器。SVM模型是将实例表示为空间中的点，这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后，将新的实例映射到同一空间，并基于它们落在间隔的哪一侧来预测所属类别。
在机器学习中，多元分类是将实例分类问题到多个类别中的其中一个。
在模式识别领域中，最近邻居法是一种用于分类问题和回归分析的无母数统计方法。在这两种情况下，输入包含特征空间中的k个最接近的训练样本。
在模式识别领域中，最近邻居法是一种用于分类问题和回归分析的无母数统计方法。在这两种情况下，输入包含特征空间中的k个最接近的训练样本。
Mini wiki
1