一、线性判别器的问题分析
线性判别分析（Linear Discriminant Analysis, LDA）是一种经典的线性学习方法，在二分类问题上亦称为 "Fisher" 判别分析。与感知机不同，线性判别分析的原理是降维，即：给定一组训练样本，设法将样本投影到某一条直线上，使相同分类的点尽可能地接近而不同分类的点尽可能地远，因此可以利用样本点在该投影直线上的投影位置来确定样本类型。
二、线性判别器的模型还是假定在 \(p\) 维空间有 \(m\) 组训练样本对，构成训练集 $T = { (x_{1}, y_{1}), (x_{2}, y_{2}),...,(x_{n}, y_{n})} $，其中 \(x_{i} \in R^{1 \times p}\)，\(y_{i}\in \{-1, +1\}\)，以二维空间为例，在线性可分的情况下，所有样本在空间可以描述为：