fisher_lda_fit — SEGMENTATION `classify` op

• 資料種類:matrix × signal → table

• 呼叫: import fullseye as fs; fs.ledger.fisher_lda_fit(X, y, *, ridge: 'float' = 1e-06, prior1: 'Optional[float]' = None) -> 'Dict[str, object]'(要直接呼叫實作,import cropweed; cropweed.fisher_lda_fit(X, y, *, ridge: 'float' = 1e-06, prior1: 'Optional[float]' = None) -> 'Dict[str, object]';從台帳取用則 opssegmentation.get("fisher_lda_fit"))

用法

學習兩類 Fisher 線性判別（閉式解，無迭代）。

X 為 (N, D) 的特徵(superpixel_color_texture_features 回傳的 dict 也可直接傳入), y 為 N 個 0 / 1 類別。特徵依整體平均與標準差標準化(變異數為 0 的欄維持尺度 1, 記入 constant_columns),在類內共同共變異數 Σ = (S₀ + S₁)/(N − 2) 上加 ridge × tr(Σ)/D 後求 w = Σ⁻¹(μ₁ − μ₀)。判定截距是兩個等變異常態分布的對數概似比 w·z − w·(μ₀ + μ₁)/2 + log(π₁/π₀) 為 0 的點(prior1 = π₁,預設為訓練資料中的比例)。

回傳: w、bias(score = z·w + bias,正為類 1)、mean、scale、mu0、mu1、fisher_ratio(J = (w·Δμ)²/(wᵀΣw),分離強度)、n0、n1、prior1、constant_columns、cond。空輸入、y 不是 0/1、每類少於 2 個、N ≤ 2、共變異數條件數超過 1e12(方向無法確定)、兩類平均相同(J = 0)時以 ValueError 拒絕。

詳細使用指南

• halcon_segmentation 族使用指南

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• poc_weed_rice_ratio — py -3.11 examples/poc_weed_rice_ratio.py

型別可銜接的下一個運算子(可接受 `table` 作為輸入)

class_ndim_norm · fisher_lda_score

同類別(`classify`)

class_2dim_sup · class_2dim_unsup · learn_ndim_norm · class_ndim_norm · classify_image_class_lut · fisher_lda_score

*Provenance: cropweed.py — SEGMENTATION 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

fisher_lda_fit — SEGMENTATION classify op

用法