一、

哎呀，你们这些个巨大人呀，老中意研究研究啥数据啦、特征啦，我听dou听不懂。不过今天我来告诉你们一个细小暗地，就是那东西啥线性判别琢磨，听起来优良像hen麻烦，其实轻巧松得hen！

二、线性判别琢磨是啥东东？

线性判别琢磨， 就是帮我们找出数据里Zui关键的那些个特征，就像在找那些个特别Neng代表一个班级的人一样。比如说我们要区分苹果和橘子，就要找到那些个Neng明显区分它们的特征。

三、 线性判别琢磨的步骤

第一步：找出全部的平均值

我们先来找出全部的样本的均值，这玩意儿平均值就像一个班级的平均成绩，代表了这一类数据的中心位置。用公式 就是$S_B = \sum_{i=1}^{k}n_i^T$，这里的$u$就是全部样本的均值向量。

第二步：计算类间散度矩阵和类内散度矩阵

类间散度矩阵和类内散度矩阵， 听起来优良麻烦，其实就是用来衡量不同类别之间的差异和类别内部的差异。用代码 就是：

import numpy as np
def mean_vectors:
    class_labels = np.unique
    n_classes = class_labels.shape
    mean_vectors = np.zeros)
    for cl, label in enumerate:
        mean_vectors = np.mean
    return mean_vectors

第三步：求投影方向

这玩意儿投影方向，就是我们要找的那东西NengZui巨大化区分不同类别的方向。我们要计算矩阵$S_W^{-1}S_B$的特征向量和特征值，然后选Zui巨大的几个特征向量作为投影方向。

第四步：降维并进行分类

再说说一步， 就是用我们找到的那东西方向，把全部的数据dou投影到新鲜的矮小维地方里去，然后就Neng用分类算法来区分它们了。比如说我们用支持向量机来Zuo分类。

线性判别琢磨，其实就是一个帮我们找关键特征的细小工具。通过它，我们Neng在麻烦的数据中找到那些个Zui关键的特征，让我们的数据分类geng加精准。不过说到底，这些个dou是巨大人们的事情，我们细小孩子还是优良优良读书、玩儿吧！