przeszkodzie jego stosowania stoi złożoność procedury obliczeń, m.in. potrzeba znajomości rozkładów warunkowych a priori, oraz zwykle mała długość ciągu uczącego (małe 0 dla estymacji tych rozkładów. Z tego powodu do testowania wykorzystuje się jeden z nieparametrycznych algorytmów rozpoznawania (identyfikacji), np.: NM (najbliższa średnia), NN (najbliższy sąsiad) czy też k-NN (k-najbliższych sąsiadów) z prostą funkcją podobieństwa, np. odległością Euklidesa.<br><br>&lt;tit&gt;4.6.3. Redukcja przestrzeni parametrów z zastosowaniem transformacji Karhunena-Loeve'go&lt;/&gt;<br><br>Redukcja przestrzeni parametrów, jako ostatnia z procedur optymalizacyjnych, ma na celu uproszczenie struktury danych wejściowych, a przez to:<br>a) skrócenie etapu uczenia,<br>b) zwiększenie szybkości obliczeń klasyfikatora,<br>c) obniżkę