fisher线性判别分析

Fisher线性判别分析（Fisher Linear Discriminant Analysis，FLDA）是一种经典的线性降维方法，它的目标是找到一个投影方向，使得不同类别之间的距离最大化，同类之间的距离最小化。FLDA 的主要思想是将原始的高维数据投影到低维空间中，使得在低维空间中数据点之间的距离尽可能地大，同时保留最多的类别信息。FLDA 通常用于分类问题，可以用于特征提取、数据可视化等方面。