用python对5个变量的数据创建fisher判别模型

可以使用Python的Scikit-learn库来创建fisher判别模型。首先，需要将数据加载到Python中，并将其分为输入和目标变量。接下来，使用Scikit-learn中Fisher判别分析的线性判别分析（LDA）函数来创建模型。 以下是代码示例：

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

# 5个变量的数据
X = [[1, 2, 3, 4, 5], [2, 3, 4, 5, 6], [3, 4, 5, 6, 7], [4, 5, 6, 7, 8], [5, 6, 7, 8, 9]]
# 目标变量
y = [0, 1, 0, 1, 0]

# 使用线性判别分析函数创建Fisher判别模型
model = LinearDiscriminantAnalysis().fit(X, y)

# 测试模型
test = [[2, 3, 4, 5, 6], [3, 4, 5, 6, 7]]
result = model.predict(test)
print(result)

该代码将输出一个列表，其中包含测试数据的预测结果。在该示例中，假设有5个输入变量和2个测试实例。可以根据这些数据创建Fisher判别模型，并使用测试数据进行预测。