Klasifikace pomocí hranic v obrazovém prostoru - FLDA, SVM lineární a nelineární

Tato kapitola je věnována klasifikaci pomocí hranic, která představuje zřejmě nejvíce intuitivní typ klasifikace. Nakreslení čáry (tedy vytvoření hranice resp. hraniční plochy) je totiž zpravidla to první, co nás napadne, když nám dá někdo obrázek se dvěma skupinami bodů a řekne nám, že máme tyto skupiny oddělit. Z klasifikátorů založených na stanovení hranic si představíme Fisherovu lineární diskriminaci a metodu podpůrných vektorů. Dalšími metodami z této skupiny jsou například metoda nejmenších čtverců či jednovrstvý perceptron, které však v těchto učebních textech nebudou rozebírány, protože jsou v praxi mnohem méně často používané.

Následující text je součástí učebních textů předmětu „Bi0034 Analýza a klasifikace dat“ a je určen především pro studenty matematické biologie. Přínosem může být rovněž pro studenty medicínských a dalších biologických oborů - zejména botaniky, zoologie a antropologie.

U studentů se předpokládá znalost biostatistiky. Dále by studenti měli mít znalosti o vícerozměrném normálním rozdělení a měli být schopni provádět základní operace s vektory a maticemi .