Fisher线性判别（Fisher Linear Discrimination，FLD），也称线性判别式分析(Linear Discriminant Analysis, LDA)。FLD是基于样本类别进行整体特征提取的有效方法。它在使用PCA方法进行降维的基础上考虑到训练样本的类间信息。FLD方法在进行图像整体特征提取方面有着广泛的应用。压缩包中有完整的代码与结果图

在matlab下实现LDA和PCA人脸特征提取算法和用最近令分类器分类，在标准人脸库上测试效果不错，有很高的识别率。本代码已经经过调试，直接能运行的。

贝叶斯最小错误分类器matlab code。 样品正态分布， 最大似然估计参数

opencv已训练好的haarcascades分类器，共22个，包括了人脸、人眼、人体等各种分类器。

用opencv提供的级联分类器进行人脸、人头检测的训练样本库，本资中包含正负样本，其中正样本10000张，负样本20000张。

haarcascade_eye.xml'haarcascade_eye_tree_eyeglasses.xml'haarcascade_frontalcatface.xml'haarcascade_frontalface_alt.xml'haarcascade_frontalface_alt2.xml'haarcascade_frontalface_alt_tree.xml'haarcascade_frontalface_default.xml'haarcascade_fullbody.xml'haarcascade_lefteye_2splits.xml'haarcascade_licence_plate_rus_16stages.xml'haarcascade_lowerbody.xml'haarcascade_mcs_eyepair_big.xml'haarcascade_mcs_lefteye.xml'haarcascade_mcs_mouth.xml'haarcascade_mcs_nose.xml'haarcascade_mcs_righteye.xml'haarcascade_mcs_upperbody.xml'haarcascade_profileface.xml'haarcascade_righteye_2splits.xml'haarcascade_russian_plate_number.xml'haarcascade_smile.xml'haarcascade_upperbody.xml

其中女生类别标号为0，男生类别标号为1，数据集为dataset1.txt，dataset2.txt，dataset3.txt，第一列为身高，第二列为体重，第三列为类别标号

最近邻分类器 1NN分类器 Matlab 在小样本人脸识别里，最近邻分类器似乎比KNN，贝叶斯分类器还要好。

csv表格中为随机森林分类器的测试数据，属性：Disbursed Existing_EMI ID Loan_Amount_Applied Loan_Tenure_Applied Monthly_Income Var4 Var5 Age EMI_Loan_Submitted_Missing Interest_Rate_Missing Loan_Amount_Submitted_Missing Loan_Tenure_Submitted_Missing Processing_Fee_Missing Device_Type_0 Device_Type_1 Filled_Form_0 Filled_Form_1 Gender_0 Gender_1 Var1_0 Var1_1 Var1_2 Var1_3 Var1_4 Var1_5 Var1_6 Var1_7 Var1_8 Var1_9 Var1_10 Var1_11 Var1_12 Var1_13 Var1_14 Var1_15 Var1_16 Var1_17 Var1_18 Var2_0 Var2_1 Var2_2 Var2_3 Var2_4 Var2_5 Var2_6 Mobile_Verified_0 Mobile_Verified_1 Source_0 Source_1 Source_2

基于Mnist数据集的贝叶斯分类器,用python编写，读取原始数据集数据，进行分类，完整，简洁