MATLAB实战：用Fisher线性判别算法搞定二分类问题（附完整代码）

原创

于 2026-02-16 10:41:08 发布 · 254 阅读

收录于

当前文章被以下社区和专栏收录：

MATLAB实战：Fisher线性判别算法在二分类问题中的应用指南

当你面对一堆混杂的数据点，需要快速区分出两个不同的类别时，Fisher线性判别分析（LDA）就像一把精准的手术刀。这个诞生于1936年的经典算法，至今仍在金融风控、医疗诊断、工业质检等领域发光发热。不同于深度学习需要海量数据，Fisher判别在中小规模数据集上就能展现出惊人的分类效果——这正是MATLAB用户钟爱它的原因。

1. 数据准备与可视化：分类问题的第一步

在开始任何机器学习项目前，理解你的数据至关重要。让我们用MATLAB生成一个典型的二分类数据集：

rng(2023); % 固定随机种子保证可重复性
mu1 = [1, 2]; sigma1 = [1.2 0.4; 0.4 0.8];
mu2 = [5, 4]; sigma2 = [0.8 -0.3; -0.3 1.5];
class1 = mvnrnd(mu1, sigma1, 200); % 类别1样本
class2 = mvnrnd(mu2, sigma2, 200); % 类别2样本

可视化是发现数据秘密的钥匙。用这些代码绘制散点图：

figure('Position', [100, 100, 800, 600])
scatter(class1(:,1), class1(:,2), 'r', 'filled'); hold on;
scatter(class2(:,1), class2(:,2), 'b', 'filled');
xlabel('特征1'); ylabel('特征2'); 
legend('类别A', '类别B'); grid on;
title('二分类数据集分布');

表：数据集关键统计量