朱静雯，向仕兵

（西南科技大学理学院，绵阳 621010）

常用线性分类器算法及基于Mathematica三维可视化

朱静雯，向仕兵

（西南科技大学理学院，绵阳 621010）

线性分类是利用线性判别函数将不同类数据进行分类的方法，在模式识别中有着重要应用。介绍感知器算法、最小误差平方算法、Fisher算法及支持向量机学习算法等常用线性分类算法。利用Mathematica编程实现计算及可视化三维线性分类，并对不同分类算法的分类效果进行对比。

线性分类器；分类算法；Mathematica；三维可视化；效果对比

0 引言

当要分类两类样本的时候，一个很自然的想法是找一个平面将其尽可能的分开，如能全部分类则称线性可分，如不能全部分类，则应使错误分类的点数尽可能少。根据函数间隔最优确定分类超平面的方法称为支持向量机。分类在现实中如模式识别和人工智能应用中被广泛应用，具有重要实际意义，实现支持向量机的基本功能对学习和理解支持向量机及后续机器学习具有较大帮助。虽然目前的各种算法均已成熟，但在实际选取的时候各类算法仍会有各自的优缺点，且均以二维数据为例，以三维数据为例的文献并不多见。本文介绍了常见分类算法并实现三维空间点分类及对不同算法的分类效果进行比较。

而Mathematica是一款集数值及符号运算、编程语言、数据操作与分析、可视化与图形功能的优秀科学计算软件，强大的数值解析能力为高维大批量数据的计算提供了强大的保……