张士玉小黑屋

《Two-DimensionalPCA:ANewApproachtoAppearance-BasedFaceRepresentationandRecognition》本人机器学习的论文阅读部分学习了2D-PCA的原始文献《Two-DimensionalPCA:ANewApproachtoAppearance-BasedFaceRepresentationandRecognition》以下是自己通过阅读整理出的PCA和2D-PCA的相关知识，供参考嘻嘻~一、

：顾名思义，也就是刻画同类样本点之间“接近”程度的矩阵，下标是

目录LDA基本思想：投影的定义同类投影点的接近异类样本点的远离找到一条直线（转为最优化）类内散度矩阵与类间散度矩阵目标函数对​欧米伽大小的无关性拉格朗日乘子法LDA做法总结本文着重于思想的理解与公式的推导~LinearDiscriminantAnalysis（LDA）是一种经典的线性学习方法，亦称“Fisher判别分析法”注意：本文中的         LDA基本思想：    找到一条直线（低维空间），使得将平面&

目录一、前言二、什么是LDA？三、LDA原理1.二分类问题2.多分类问题3.几点说明 四、算法实现一、前言    之前我们已经介绍过PCA算法，这是一种无监督的降维方法，可以将高维数据转化为低维数据处理。然而，PCA总是能适用吗？    考虑如下数据点：     由PCA的原理我们可知，这些数据点在经PCA处理后会被映射到x轴上，如下所示：    可以发现，投影后，红色数据点和蓝色数据点并不能很好地区分开。思考