以下()属于线性分类器最佳准则?

感想

线性分类器我还是知道的，但是什么线性分类器最佳准则就不清楚了，这里我也整理一下。

problem

以下()属于线性分类器最佳准则?

A. 感知准则函数
B. 贝叶斯分类
C. 支持向量机

D. Fisher准则

答案为：A,C,D

analysis

线性分类器有三大类：感知器准则函数、SVM、Fisher准则，而贝叶斯分类器不是线性分类器。

感知器准则函数：准则函数以使错分类样本到分界面距离之和最小为原则。其优点是通过错分类样本提供的信息对分类器函数进行修正，这种准则是人工神经元网络多层感知器的基础。

SVM：支持向量机也是很经典的算法，优化目标是最大化间隔（margin），又称最大间隔分类器，是一种典型的线性分类器。（使用核函数可解决非线性问题）

Fisher准则：更广泛的称呼是线性判别分析（LDA），根据两类样本一般类内密集, 类间分离的特点，寻找线性分类器最佳的法线向量方向，使两类样本在该方向上的投影满足类内尽可能密集，类间尽可能分开。该种度量通过类内离散矩阵Sw 和类间离散矩阵Sb 实现。一般而言，对于数据分布近似高斯分布的情况，Fisher线性判别准则能够得到很好的分类效果。

贝叶斯分类器：一种基于统计方法的分类器，要求先了解样本的分布特点（高斯、指数等），所以使用起来限制很多。在满足一些特定条件下，其优化目标与线性分类器有相同结构（同方差高斯分布等），其余条件下不是线性分类。

参考文献

[1].牛客网.https://www.nowcoder.com/questionTerminal/bcae10aa42d14eb3bee5f994de812e56

[2].为什么朴素贝叶斯分类器本质上是线性分类器 .http://blog.163.com/rustle_go_go/blog/static/20294501420122110431306/