12.1 导言¶
| 原文 | The Elements of Statistical Learning |
|---|---|
| 翻译 | szcf-weiya |
| 发布 | 2016-12-16 |
| 更新 | 2017.10.15; 2018.02.12 |
| 状态 | Done |
在这章我们将要描述用于分类的线性判别边界的推广．当两个类别是线性可分时我们在第四章中介绍了最优分离超平面．这里我们介绍不可分的情形，即当类别有重叠时．这些技巧会被推广为为支持向量机(support vector machine)，通过在大的、变换后的特征空间中构造线性边界得到非线性边界．第二套方法推广了Fisher的线性判别分析（LDA）．推广包括 可变的判别分析(flexible discriminant analysis)，它以一种很类似于支持向量机的方式帮助构造非线性边界，除此之外，还有对含有大量相关的特征的信号和图像数据分类而进行的带惩罚的判别分析(penalized discriminant analysis)，以及对于无规则类别的混合判别分析(mixture discriminant analysis)．
weiya 注
两种方式：
- SVM
- FDA/PDA