Fisher准则的基本原理：找到一个最合适的投影轴，使两类样本在该轴上投影之间的距离尽可能远，而每一类样本的投影尽可能紧凑，从而使分类效果为最佳。
假设有两类样本，分别为$X_1$和$X_2$
则各类在d维特征空间里的样本均值为：
$$M_i = \frac{1}{n_i}\Sigma_{x_k\in X_i}x_k \ \ \ i=1,2$$
fisher线性分类器
原文：https://www.cnblogs.com/SiriusRen/p/13734556.html
