fisher_lda_fit — SEGMENTATION `classify` op

• 数据种类:matrix × signal → table

• 调用: import fullseye as fs; fs.ledger.fisher_lda_fit(X, y, *, ridge: 'float' = 1e-06, prior1: 'Optional[float]' = None) -> 'Dict[str, object]'(要直接调用实现,import cropweed; cropweed.fisher_lda_fit(X, y, *, ridge: 'float' = 1e-06, prior1: 'Optional[float]' = None) -> 'Dict[str, object]';从台账取用则 opssegmentation.get("fisher_lda_fit"))

用法

学习两类 Fisher 线性判别（闭式解，无迭代）。

X 为 (N, D) 的特征(superpixel_color_texture_features 返回的 dict 也可直接传入), y 为 N 个 0 / 1 类别。特征按整体平均与标准差标准化(方差为 0 的列保持尺度 1, 记入 constant_columns),在类内共同协方差 Σ = (S₀ + S₁)/(N − 2) 上加 ridge × tr(Σ)/D 后求 w = Σ⁻¹(μ₁ − μ₀)。判定截距是两个等方差正态分布的对数似然比 w·z − w·(μ₀ + μ₁)/2 + log(π₁/π₀) 为 0 的点(prior1 = π₁,默认为训练数据中的比例)。

返回: w、bias(score = z·w + bias,正为类 1)、mean、scale、mu0、mu1、fisher_ratio(J = (w·Δμ)²/(wᵀΣw),分离强度)、n0、n1、prior1、constant_columns、cond。空输入、y 不是 0/1、每类少于 2 个、N ≤ 2、协方差条件数超过 1e12(方向无法确定)、两类平均相同(J = 0)时以 ValueError 拒绝。

详细使用指南

• halcon_segmentation 族使用指南

参考(示例数据、文献)

• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。

• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。

• 算法的正典(作者、年份)与用途见上面的族使用指南。

可运行的示例(实际调用该算子并已验证的样例)

• poc_weed_rice_ratio — py -3.11 examples/poc_weed_rice_ratio.py

类型可衔接的下一个算子(可接受 `table` 作为输入)

class_ndim_norm · fisher_lda_score

同类别(`classify`)

class_2dim_sup · class_2dim_unsup · learn_ndim_norm · class_ndim_norm · classify_image_class_lut · fisher_lda_score

*Provenance: cropweed.py — SEGMENTATION 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*

fisher_lda_fit — SEGMENTATION classify op

用法