fisher_lda_fit — SEGMENTATION `classify` op

• Datenarten: matrix × signal → table

• Aufruf: import fullseye as fs; fs.ledger.fisher_lda_fit(X, y, *, ridge: 'float' = 1e-06, prior1: 'Optional[float]' = None) -> 'Dict[str, object]' (die Implementierung direkt: import cropweed; cropweed.fisher_lda_fit(X, y, *, ridge: 'float' = 1e-06, prior1: 'Optional[float]' = None) -> 'Dict[str, object]'; aus dem Register: opssegmentation.get("fisher_lda_fit"))

Verwendung

Zweiklassige lineare Fisher-Diskriminante anpassen (geschlossene Form, ohne Iteration).

X sind (N, D) Merkmale (das von superpixel_color_texture_features zurückgegebene dict kann direkt übergeben werden), y sind N Klassenlabels 0 / 1. Die Merkmale werden mit Gesamtmittel und Standardabweichung standardisiert (Spalten mit Varianz 0 behalten den Maßstab 1 und stehen in constant_columns); zur gepoolten Kovarianz innerhalb der Klassen Σ = (S₀ + S₁)/(N − 2) wird ridge × tr(Σ)/D addiert, dann w = Σ⁻¹(μ₁ − μ₀). Der Achsenabschnitt ist der Punkt, an dem das Log-Likelihood-Verhältnis zweier Normalverteilungen gleicher Varianz w·z − w·(μ₀ + μ₁)/2 + log(π₁/π₀) gleich 0 ist (prior1 = π₁, Standard = Anteil in den Trainingsdaten).

Rückgabe: w, bias (score = z·w + bias, positiv = Klasse 1), mean, scale, mu0, mu1, fisher_ratio (J = (w·Δμ)²/(wᵀΣw), Trennstärke), n0, n1, prior1, constant_columns, cond. Leere Eingabe, y nicht 0/1, weniger als 2 Beispiele je Klasse, N ≤ 2, Konditionszahl der Kovarianz über 1e12 (Richtung unbestimmt) und gleiche Klassenmittel (J = 0) werden mit ValueError abgelehnt.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie halcon_segmentation

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_weed_rice_ratio — py -3.11 examples/poc_weed_rice_ratio.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

class_ndim_norm · fisher_lda_score

Gleiche Kategorie (`classify`)

class_2dim_sup · class_2dim_unsup · learn_ndim_norm · class_ndim_norm · classify_image_class_lut · fisher_lda_score

*Provenance: cropweed.py — SEGMENTATION Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

fisher_lda_fit — SEGMENTATION classify op