The Elements of Statistical Learning （第4章）

这本书的写法真不符合我口味。

判别准则，判别分析 ， 其实说的就是分类方法，分类公式。

LDA(Linear Discriminant Analysis) 

从概率角度看待这个问题，可以认为分类问题就是知道了x值，求x属于哪一个类别的概率最大的问题，也就是求所有后验概率1,...,k中最大的那一个。

然后比较这K个后验证概率的大小，找最大了。最简单的方法就是两两比较。  比如A-B两者相减大于零 或者 两者相除大于1，下文用的是相除后取对数，判断是否大于0

    （2）

若假设每一个类别中的x服从高斯分布，那么就有：

先考虑协方差矩阵相等的情形，这时候(2)式就化为(3)

判断该式是否大于0。 然后观察上式，k，l部分能分离，然后可以等价于

k分别取k与l，然后对减,与(3)式，因此我们只要考虑该式，比大小即可。然后该式就是最终得到的所谓的 线性判别函数了，然后就是实际应用中的LDA算法了。

接下来关于算法具体理论证明以及实现的更详细的部分就去看LDA算法系列吧。

考虑完了特殊情形，再回到一般的情形进行考虑。

就得到了QDA判别准则。