费舍尔判别算法

初学MATLAB的我尝试实现了费舍尔判别算法，并分享了代码。这是一个免费下载的资源，希望能激发更多交流和学习。

通过案例分析，展示费舍尔判别法 (LDA) 和贝叶斯判别法从数学理论到计算机模型以及计算的完整过程。区别于直接调用 R 语言包，本实现相当于重写了判别法，深入剖析算法细节。

费歇尔判别法的核心思想是通过将多维数据投影至特定方向，以尽可能地区分不同总体。这种投影利用方差分析构建一个或多个超平面，以最大化组间差异并最小化组内差异。判别函数通过将待分类样本映射至这些超平面，计算出判别函数值y1、y2和y，然后通过加权平均值y0进行分类决策。

判别分析是一种统计方法，可用于识别不同类别间的最佳线性组合。它主要用于分类问题，将观测数据分配到预定义类别。判别分析有两种类型：- 线性判别分析 (LDA) 寻找线性投影轴，以最大化类别间差异，同时最小化类别内差异。它考虑了类别信息，与主成分分析 (PCA) 不同。- 二次判别分析 (QDA) 不要求类别协方差矩阵相等，每个类别具有独立协方差矩阵。

针对传统判别算法对数据分布类型假定的局限，提出采用非参核密度算法建立多维数据的判别规则。该算法充分利用样本信息，显著提高判别精度，且不受分布假定的限制。

C6费控清数据.txt 文件，适用于 C6V2.6 版本，对应补丁号 JS-C6-2.6-201102-138。

SQL Server中的函数实现了四舍六入五成双的精确舍入，可保留指定位数的小数。该修约规则是“四舍六入五成双”，即当被修约的数字小于5时舍去，大于等于6时进位，等于5时根据前一位数字的奇偶决定。这种方法在统计学和化学领域广泛应用，能够减少舍入误差，保证计算结果的精确性。例如，对于9.8249保留3位有效数字后为9.82，对于9.82671则为9.83。

这篇文章介绍了使用MATLAB编写的方法来验证费马小定理的实现过程。费马小定理表明，对于给定的质数p和非p整除的整数a，a^(p-1) ≡ 1 (mod p)。文章中提出了四种方法来演示这一定理，包括使用余数判断和模运算。通过计算a^(p-1)的余数，并验证是否等于1来判断p是否为质数。这种方法适用于不同范围的质数，例如4x + 3形式的质数。

假设我们有 k 个总体，分别记为 $G_1, G_2,..., G_k$，每个总体都有其对应的概率密度函数 $f_1(x), f_2(x), ..., f_k(x)$，以及先验概率 $p_1, p_2, ..., p_k$。 对于一个新样本 x，我们想要判断它属于哪个总体。根据贝叶斯定理，我们可以计算后验概率： $$P(G_i|x) = frac{p_i f_i(x)}{sum_{j=1}^{k} p_j f_j(x)}, i = 1,2,...,k$$ 其中： $P(G_i|x)$ 表示给定样本 x 的情况下，样本属于总体 $G_i$ 的概率。 $f_i(x)$ 表示样本 x 在总体 $G_i$ 中出现的概率密度。 $p_i$ 表示总体 $G_i$ 的先验概率。 贝叶斯判别规则指出，为了最小化误判概率，我们应该将样本 x 判给后验概率最大的那个总体。

仅给定复数对角舒尔形式，通过智能的cdf2rdf函数计算实数块对角舒尔形式。