线性判别分析 编辑
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。
1
相关
统计分类是机器学习非常重要的一个组成部分，它的目标是根据已知样本的某些特征，判断一个新的样本属于哪种已知的样本类。分类是监督学习的一个实例，根据已知训练集、验证集和测试集提供的样本，通过计算选择特征参数，建立线性判别分析以对样本进行的分类。与之相对的是无监督学习，例如聚类分析。
统计分类是机器学习非常重要的一个组成部分，它的目标是根据已知样本的某些特征，判断一个新的样本属于哪种已知的样本类。分类是监督学习的一个实例，根据已知训练集、验证集和测试集提供的样本，通过计算选择特征参数，建立线性判别分析以对样本进行的分类。与之相对的是无监督学习，例如聚类分析。
统计分类是机器学习非常重要的一个组成部分，它的目标是根据已知样本的某些特征，判断一个新的样本属于哪种已知的样本类。分类是监督学习的一个实例，根据已知训练集、验证集和测试集提供的样本，通过计算选择特征参数，建立线性判别分析以对样本进行的分类。与之相对的是无监督学习，例如聚类分析。
统计分类是机器学习非常重要的一个组成部分，它的目标是根据已知样本的某些特征，判断一个新的样本属于哪种已知的样本类。分类是监督学习的一个实例，根据已知训练集、验证集和测试集提供的样本，通过计算选择特征参数，建立线性判别分析以对样本进行的分类。与之相对的是无监督学习，例如聚类分析。
在计算机视觉和图像处理中，大津二值化法用来自动对基于聚类的图像进行二值化， 或者说，将一个灰度图像退化为二值图像。该算法以大津展之命名。算法假定该图像根据双模直方图把包含两类像素，于是它要计算能将两类分开的最佳阈值，使得它们的类内方差最小；由于两两平方距离恒定，所以即它们的类间方差最大。
因此，大津二值化法粗略的来说就是一维线性判别分析的离散化模拟。
在计算机视觉和图像处理中，大津二值化法用来自动对基于聚类的图像进行二值化， 或者说，将一个灰度图像退化为二值图像。该算法以大津展之命名。算法假定该图像根据双模直方图把包含两类像素，于是它要计算能将两类分开的最佳阈值，使得它们的类内方差最小；由于两两平方距离恒定，所以即它们的类间方差最大。
因此，大津二值化法粗略的来说就是一维线性判别分析的离散化模拟。