基本信息

---

下载

   友情提示：（无需注册或充值，赞助后即可获取资源下载链接）

---

     嘿，亲！知识可是无价之宝呢，但咱这精心整理的资料也耗费了不少心血呀。小小地破费一下，绝对物超所值哦！如有下载和支付问题，请联系我们QQ(微信同号)：78630559

本次赞助数额为： 2 元　

支付宝支付

微信支付

   源码介绍

---

python实现对Iris数据和Sonar数据的fisher线性判别分类

def Fisher(X1,X2,n,c):
	# 计算三类样本的类均值向量
	m1=(np.mean(X1,axis = 0))
	m2=(np.mean(X2,axis = 0))
	m1 = m1.reshape(n,1) # 将行向量转换为列向量以便于计算
	m2 = m2.reshape(n,1)
	#计算类内离散度矩阵
	S1 = np.zeros((n,n)) # m1 = within_class_scatter_matrix1
	S2 = np.zeros((n,n)) # m2 = within_class_scatter_matrix2
	if c == 0: # 第一种情况
	for i in range(0,96):
	S1 = (X1[i].reshape(n,1)-m1).dot((X1[i].reshape(n,1)-m1).T)
	for i in range(0,111):
	S2 = (X2[i].reshape(n,1)-m2).dot((X2[i].reshape(n,1)-m2).T)
	if c == 1:
	for i in range(0,97):
	S1 = (X1[i].reshape(n,1)-m1).dot((X1[i].reshape(n,1)-m1).T)
	for i in range(0,110):
	S2 = (X2[i].reshape(n,1)-m2).dot((X2[i].reshape(n,1)-m2).T)
	#计算总类内离散度矩阵S_w
	S_w = S1 S2
	#计算最优投影方向 W
	W = np.linalg.inv(S_w).dot(m1 - m2)
	#在投影后的一维空间求两类的均值
	m_1 = (W.T).dot(m1)
	m_2 = (W.T).dot(m2)
	#计算分类阈值 W0(为一个列向量)
	W0 = -0.5*(m_1 m_2)
	return W,W0