피셔 기준의 기본 아이디어는 다음과 같이 소개된다.
피셔 기준은 각 유형의 포인트가 일치하도록 종합 판별변수나 투영 방향을 선택하는 것이다. 최대한 집중화하고 클래스와 클래스를 최대한 분리합니다. 즉, 클래스 내 분산을 최소화하고 클래스 간 분산을 최대화합니다. 즉, 클래스 간 평균 차이를 최대화하고, 클래스 내 편차 제곱의 합을 최소화하는 것이 필요합니다.
Fisher의 판별 방법의 기본 아이디어는 p 변수 x1, x2,..., xp를 새로운 변수 y로 합성하는 것입니다. Fisher의 판별은 먼저 높은 차원을 낮은 차원에 투영하는 방법입니다. 거리에 따라 판단하는 방법. 분산 분석의 아이디어를 활용하여 판별 함수(일종의 투영에 해당)를 구성하여 그룹 간의 차이를 최대화하고 그룹 내 분산을 최소화한 다음 새 샘플 데이터를 대체하고 이를 판별 임계값과 비교하여 결정합니다. 어떤 인구를 판단해야 하는지.
판별 모델의 기하학적 의미는 p차원 공간의 점을 1차원 공간(직선)에 투영하여 알려진 각 클래스의 직선 투영이 최대한 분리되도록 하는 것입니다. 피셔 판별법의 기본은 다차원 데이터를 특정 방향으로 투영하는 것입니다. 투영의 원리는 모집단과 모집단을 최대한 분리한 후 적절한 판별 규칙을 선택하여 표본을 분류하는 것입니다. 판단됩니다.
소위 투영은 실제로 분산 분석 아이디어를 사용하여 하나 또는 여러 개의 초평면을 구성하므로 두 그룹 간의 차이가 가장 크고 각 그룹 내 차이가 가장 작습니다. 판별함수에 판단하고자 하는 표본 x의 두 종류의 평균과 다양한 지표를 대입하면 3가지 함수값 y1, y2, y를 얻을 수 있으며, 일반적으로 y1, y2의 가중평균 y0을 구할 수 있다.