返回信息流模式最后一题很有意思，大家不妨试一下
Fisher线性判别方法是寻找一个投影向量，使得两类的投影可分性高。但是实际中，数据一般不是高斯分布的，这种情况下Fisher线性判别方法不再适用。解决的一个方法是在Fisher方法中引入局部的信息。设计一个模型，往Fisher中引入局部信息，说明模型如何学习。
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #1508同步于 2008/3/30
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
THU PH.D. Enrollment Exam PR
cryppie
2008/3/30镜像同步3 回复
订阅后，新回复会通过你的通知中心匿名送达。
3 条回复
你发了这么多帖，我不知道是干啥的
【 在 cryppie (北邮人) 的大作中提到: 】
: 模式最后一题很有意思，大家不妨试一下
: Fisher线性判别方法是寻找一个投影向量，使得两类的投影可分性高。但是实际中，数据一般不是高斯分布的，这种情况下Fisher线性判别方法不再适用。解决的一个方法是在Fisher方法中引入局部的信息。设计一个模型，往Fisher中引入局部信息，说明模型如何学习。