画一条线，将平面上的 OO 和 XX 分开，要求错误的个数最少。

[wuyazi]

首先建立坐标轴x、y；
随机得到n个点（可能是OO或者是XX），分布在平面上，并已知是OO还是XX及其坐标；
画出一条一直线，将这些点分开；
要求直线一边为OO一边为XX，错误个数的理解为OO跑到了XX的一边，或者XX跑到OO了的一边。

例如：
已知data=[[1,2,OO],[3,4,XX],[2,3,OO],[4,5,OO],[8,1,OO],[2,4,XX]]，求直线y=kx+b中的（k，b）。

[sanddudu]

线性回归方程？

[wuyazi]

@sanddudu 你是说把OO回归一下，再把XX回归一下吗，那怎么分开啊？

[rock_cloud]

这个是最简单的线性分类啊，把OO的所有点坐标带入kx+b得到y1，XX的所有点坐标带入kx+b得到y2，然后最大化(y2-y1)^2就可以了。

[11]

线性判别分析(Linear Discriminant Analysis, LDA）

[u]

同楼上。最基本的模式识别。

[wuyazi]

https://gist.github.com/10017286
代码转自： http://blog.csdn.net/ranchlai/article/details/10303031

是这种方法吗？
第六行shift的变量原来是3，我改成1，想得到OO和XX交叉的分类结果，可是得到的图是这样的。。。
http://ntu.me/di/0TOLB/.jpg

[wuyazi]

图没出来，微博果然是个好图床。

@rock_cloud 你说的这种方法叫什么名字
@u @11 能说出个名字吗，XXX方法，或XXX分类器

我想把交叉的那些点也分开

[die4live]

SVM

[wuyazi]

@die4live 你确定SVM能够准确分类OO和XX交叉的情况吗？
https://gist.github.com/10017883


难道是代码的问题？

[msg7086]

LDA 我记得是 machine learning 的技术吧……

[wuyazi]

@msg7086 是看machine learning公开课遇到的问题，没有头绪啊，所以来问问。
想知道用那种技术能解决OO和XX交叉时分类的情况，而且能够准确的得到最小错误数。
恩，看看LDA怎么弄。

[9hills]

@wuyazi 一条直线怎么把交叉的点分开。。

[yangzh]

请考虑 svm

[wuyazi]

@9hills 交叉的意思是OO和XX是相互交错的，不能用直线完美的分开，所以要求错误个数最少
@yangzh 恩，学习中

[die4live]

理论方面可以看看 [支持向量机通俗导论（理解SVM的三层境界） - 结构之法 算法之道 - 博客频道 - CSDN.NET](http://blog.csdn.net/v_july_v/article/details/7624837#t34) [支持向量机系列 « Free Mind](http://blog.pluskid.org/?page_id=683)

刚才用R试了下是可行的 设为线性核的话 也是可以得到k和b的

[wuyazi]

@die4live 我在看的书支持向量机在第六章，我才看到第四章朴素贝叶斯。。。谢谢分享，感谢已送。