Fisher 线性判别分析

Fisher 线性判别分析（Fisher Linear Discriminant Analysis，简称FLDA）是一种常用的监督学习算法，主要用于特征降维和分类问题。它是试图找到一个投影向量，将样本映射到低维空间中，使得同一类样本尽可能接近，不同类样本尽可能分开。FLDA的基本思想是通过对类之间和类内的差异进行综合分析，得到一个最优的分类超平面，从而实现分类。FLDA在实际应用中经常被用作降低特征维度，剔除无用特征和分类预测等任务。