文章目录一、线性分类的数学基础与应用1、Fisher基本介绍2、Fisher判别思想3、举例二、Fisher判别的推导（python）1、代码2、代码结果三、Fisher分类器1、定义2、scikit-learn中LDA的函数的代码测试3、监督降维技术四、参考文献 一、线性分类的数学基础与应用 1、Fisher基本介绍 Fisher判别法是一种投影方法，把高维空间的点向低维空间投影。在原来的坐标系下，可能很难把样品分开，而投影后可能区别明显。一般说，可以先投影到一维空间(直线)上，如果效果不理想，在投影到另一条直线上(从而构成二维空间)，依此类推，每个投影可以建立一个判别函数。 2、Fishe

这个是我自己整理的LSTM公式的详细推导，欢迎大家免费下载。需要原始Tex文件和LSTM图的可以直接给我要。若有错误，欢迎指正。

关于CKF在MATLAB中的详细公式推导过程，通俗易懂!!

PX4 的 ECL EKF 方程推导.pdf

PX4 的 ECL、 EKF2 方程推导.pdf

SVM支持向量机算法的详细推导(详细到每个步骤_值得推荐)

在实际问题中，经常遇到需要考虑多变量与多变量直接相互依赖关系的问题。偏最小二乘法（PLS）提供了一种多元线性回归建模的方法，尤其适用于当自变量维度很高，而样本维度很低，并且自变量内部存在多重相关相关性的情况。本文详细分析了偏最小二乘的数学原理，并附了详细的数学推导过程，最后从几何的角度评价了这种方法的合理性。

最小二乘法拟合圆公式推导及matlab实现，具体推导步骤，matlab程序源代码

胡兆基机器学习课的笔记，非常精彩，利于学习消化理解

文章目录构造hypothesis构造损失函数通过“梯度下降法”求参数 θ\thetaθ 的更新式代码实现References 逻辑回归是用来解决分类问题用的，与线性回归不同的是，逻辑回归输出的不是具体的值，而是一个概率。除去了sigmoid函数的逻辑归回和线性回归几乎是一样的。 构造hypothesis 逻辑回归的HHH可以看做是一个线性回归方程的结果经过一个sigmoid函数得到的结果（为正样本的概率），逻辑回归的假设函数如下： hθ(x)=g(θTx)=11+e−θTx h _ { \theta } ( x ) = g \left( \theta ^ { T } x \right) = \