1.线性判别函数1.1定义在\(d\)维特征空间中，有线性判别函数：\[G(x)=w^{\text{T}}x+b\]其中，\(w=[w_1,w_2,\ldots,w_d]^T\)称为权值向量，\(b\)称为偏置，都是需要学习的参数。\(G(x)=0\)为决策边界方程。PS：只能解决二分类问题。1.2几何意义\(w\)为超

1.算法描述贝叶斯判别规则是把某特征矢量(x)落入某类集群的条件概率当成分类判别函数(概率判别函数)，x落入某集群的条件概率最大的类为X的类别，这种判决规则就是贝叶斯判别规则。贝叶斯判别规则是以错分概率或风险最小为准则的判别规则。判别函数，各个类别的判别区域确定后，可以用

1.算法描述      贝叶斯判别规则是把某特征矢量(x)落入某类集群的条件概率当成分类判别函数(概率判别函数)，x落入某集群的条件概率最大的类为X的类别，这种判决规则就是贝叶斯判别规则。贝叶斯判别规则是以错分概率或风险最小为准则的判别规则。       判别函数，各个

给定两个类别的一共8个样本，通过感知机算法求解判别函数defbi_perception():X1=np.array([[0,0,0],[1,0,0],[1,0,1],

势函数法假设要划分属于两种类别\(\omega_1,\omega_2\)的模式样本，这些样本可以看做是分布在\(n\)维模式空间中的点\(x_k\)，把属于\(\omega_1\)的点比拟为某种能源点，在点上，

感知器算法一旦判别函数的形式确定下来，不管它是线性的还是非线性的，剩下的问题就是如何确定它的系数，在模式识别中系数确定的一个主要方法就是通过对已知样本的训练和学习来

线性判别函数模式识别系统的主要作用：判别各个模式(样本)所属的类别用判别函数分类的概念判别函数进行分类依赖的因素：判别函数的几何性质：线性的和非线性的函数判别函