请写一段fisher线性判别的matlab代码

以下是一个简单的Fisher线性判别的Matlab代码示例：

% 生成一些样本数据
X1 = randn(50,2) + 2;
X2 = randn(50,2) - 2;

% 将数据合并成一个矩阵
X = [X1; X2];

% 生成标签向量
y = [ones(50,1); -ones(50,1)];

% 计算类内散度矩阵
mu1 = mean(X1);
mu2 = mean(X2);
S1 = (X1 - mu1)'*(X1 - mu1);
S2 = (X2 - mu2)'*(X2 - mu2);
Sw = S1 + S2;

% 计算类间散度矩阵
mu = mean(X);
Sb = (mu1 - mu)'*(mu1 - mu) + (mu2 - mu)'*(mu2 - mu);

% 计算投影方向
[V,D] = eig(Sw\Sb);
[~,ind] = max(abs(diag(D)));
w = V(:,ind);

% 根据投影方向进行分类
y_pred = sign(X*w);

% 计算分类准确率
acc = sum(y_pred == y)/length(y);
disp(['Accuracy: ', num2str(acc)]);

此代码演示了如何使用Fisher线性判别将两个高斯分布的数据集分开。首先，我们生成两个高斯分布的数据集。然后将这些数据合并成一个矩阵，并为每个数据点分配一个标签。接下来，我们计算类内散度矩阵和类间散度矩阵。最后，我们使用求解Sw\Sb的广义特征值问题来计算投影方向，并根据该方向对数据进行分类。最后，我们计算分类准确率。