专栏内容(赛前预售价99，比赛期间199): 2025数学建模国赛期间会发布思路、代码，赛前会发布常用算法模型使用案例，内容可能达不到所有人预期，请勿盲目订阅。
35套模型算法（常用使用案例）：马尔科夫模型、遗传算法、逻辑回归、逐步回归、蚁群算法、蒙特卡洛模拟、聚类模型、线性规划、粒子群算法、神经网络、相关系数、灰色预测、灰色关联分析、模糊综合评价、模拟退火、时间序列ARMA、方差分析支持向量机、插值、排队论、拟合模型、微分方程、层次分析法、小波分析、多元回归、图论floyd算法、图论Dijkstra模型、因子分析、动态规划、博弈论、决策树、典型相关分析、元胞自动机、主成分分析、TOPSIS法。
摘要
在数学建模竞赛中，我们常常会遇到需要对研究对象进行分类或判断的问题。例如，根据西瓜的各类指标判断其好坏，根据经济数据判断一个国家的发展程度，或根据病人的医学影像特征判断其是否患病。这类“分类判别”问题，是建模竞赛中最常见的题型之一。Fisher判别分析（或称线性判别分析，LDA）作为一种经典的、有监督的降维与分类方法，因其模型简洁、可解释性强、计算高效而备受青睐。本文将深入浅出地剖析Fisher判别的核心思想，提供一个完整的数学建模竞赛使用案例，并附上详细的Python代码实现，旨在为参赛队员提供一把锋利的“分类利刃”。
一、 Fisher判别分析的核心思想：寻找最佳投影方向
想象一个场景：在二
订阅专栏 解锁全文
946
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
