Нелинейные классификаторы Линейные классификаторы Альтернативный подход основан на оценке апостериорных вероятностей принадлежности к классам Линейный дискриминантный анализ (LDA), также известный как анализ Фишера, — это метод многомерного статистического анализа, используемый для классификации объектов в два или более классов на основе набора измеренных признаков. Он предполагает, что данные в каждом классе подчиняются многомерному нормальному распределению и что ковариационные матрицы всех классов одинаковы. Для решения задач с более сложной структурой классов, характеризующихся нелинейной разделимостью, применяются нелинейные классификаторы. К ним относятся, например, квадратичные дискриминантные анализаторы, использующие квадратичные поверхности, а также методы, основанные на применении ядровых функций, которые позволяют отображать данные в высокоразмерное пространство. Параметрические методы, например, предполагающие нормальное распределение признаков, позволяют получить аналитическое выражение для плотности, тогда как непараметрические методы, такие как оценка плотности методом Парзена, не предполагают a priori знания о форме распределения и обеспечивают большую гибкость, хотя и требуют больше вычислительных ресурсов..