我正在尝试在MatLab中实现Fisher的线性判别函数，用于K(类别) > 2的情况，我不太确定K > 2场景的算法。我知道MatLab有内置函数，但我希望不使用它们来实现这个功能。

如果有人能解释一下算法就太好了。

回答：

这里是一些示例伪代码：

N = 样本数量c= 类别数量Priors = 每个类别每个样本的先验概率向量Target = 每个类别每个样本的目标标签数据维度 = 特征 x 样本。

获取每个数据点的目标标签：

T = Targets(:,Cases);      % 每个样本的目标标签 

计算每个类别的均值向量和公共协方差矩阵：

classifier.u = [mean(Data(:,(T(1,:)==1)),2),mean_nan(Data(:,(T(2,:)==1)),2),....,mean_nan(Data(:,(T(2,:)==c)),2];   % 数据均值矩阵classifier.invCV = cov(Data');

使用类别均值向量和公共协方差矩阵获取判别值：

A1=classifier.u;B1=classifier.invCV;D = A1'*B1*Data-0.5*(A1'*B1.*A1')*ones(d,N)+log(Priors(:,Cases));

函数将产生c个判别值。然后，样本将被分配到具有最大判别值的类别中。