fisher_lda_score — SEGMENTATION classify op

• 데이터 종류: table × matrix → table

• 호출: import fullseye as fs; fs.ledger.fisher_lda_score(model, X) -> 'Dict[str, object]'(구현을 직접 호출하려면 import cropweed; cropweed.fisher_lda_score(model, X) -> 'Dict[str, object]', 원장에서 가져오려면 opssegmentation.get("fisher_lda_score"))

사용법

fisher_lda_fit로 학습한 판별로 특징을 채점한다(score > 0이면 클래스 1).

model은 fisher_lda_fit의 반환, X는 (N, D) 특징(dict의 X도 가능). 표준화는 학습 때의평균과 척도를 쓴다. 반환: score(N)·label(0/1. score가 정확히 0이면 클래스 0, 선언한 규칙)· margin(|score| / ‖w‖ = 표준화 공간에서 경계까지의 거리)·n1(클래스 1로 판정한 수). 빈 입력·열 수 불일치·비유한 값·학습된 판별이 아닌 model은 ValueError로 거부한다.

자세한 사용 가이드

• halcon_segmentation 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_weed_rice_ratio — py -3.11 examples/poc_weed_rice_ratio.py

타입이 이어지는 다음 연산자(table 를 입력으로 받는 것)

class_ndim_norm

같은 카테고리(classify)

class_2dim_sup · class_2dim_unsup · learn_ndim_norm · class_ndim_norm · classify_image_class_lut · fisher_lda_fit

*Provenance: cropweed.py — SEGMENTATION 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.