题解思路

1. 拆数据：把训练集按标签分成两类，取出特征和标签。
2. 求中心：算两类的平均向量，表示各自的“中心点”。
3. 算散度：累加每类点相对中心的偏差，得到类内散度矩阵，并加一点正则防止不可逆。
4. 求方向：解线性方程得到最佳投影方向 w，让两类在这条线上分得更开。
5. 预测：把测试点投到这条线上，看它更接近哪一类中心，就判哪一类。

题目内容

在仅使用 $numpy/pandas$ 的前提下，手写实现 $Flsher$ 线性判别分析 (Linear Dscrimlnant Analysis, LDA) 用于二分类;并对调试样本输出预测标签。

1.读取数据

• train：二维列表；最后一列为标签 $y∈[0,1]$,前$m$ 列为数值待征，$m≥1$

• test:二维列表;仅含特征，与训练集同维度