北京大学：《模式识别》课程教学资源（课件讲义）第四章 线性判别函数

第四章线性判别函数 4.0引 4.1Fshe线性判别 42最小平方误差准则 4.3最小错分样本数准则 4.4线性支持向量机(SVM)

第四章 线性判别函数 „ 4.0 引言 „ 4.1 Fisher线性判别 „ 4.2 最小平方误差准则 „ 4.3 最小错分样本数准则 „ 4.4 线性支持向量机（SVM）

4.0引言

4.0 引言

40引言 ■ Bayes决策尽管是最优决策,但实现困难 模式识别的任务是分类,可直接设计判 别函数一即分类面

4.0 引言 „ Bayes决策尽管是最优决策，但实现困难。 „ 模式识别的任务是分类，可直接设计判 别函数 — 即分类面

4.0引言 x g() ■最简单的判别函数是线性函数,相应的 分类面是超平面

4.0 引言 {(xi , yi),i =1,2,Ln} y „ 最简单的判别函数是线性函数，相应的 分类面是超平面。 g(x) x

40引言 线性判别函数(两类): >0 g(x=wx+b <0 g(x)=0是分类面方程; nw是分类面的法向量; b是分类面的偏移; 设计线性分类器的关键是给出估计w,b 的准则

4.0 引言 „ 线性判别函数（两类）： „ 是分类面方程； „ 是分类面的法向量； „ 是分类面的偏移； „ 设计线性分类器的关键是给出估计 的准则。 <> = + 21 00 ( ) ωω g x w x b T w b g(x) = 0 w, b