do m-tej klasy stanów<br>&lt;gap&gt;<br>Jeśli przedmiotem obserwacji jest M klas, z których każda może być opisana liczbą 0 obrazów tych samych stanów obiektów, to mówimy, że dysponujemy ciągiem uczącym CU:<br>&lt;gap&gt;<br>gdzie &lt;gap&gt; - wektory kolumnowe parametrów będące i-tymi obrazami obiektów należących do m-tej klasy, m - znana "nauczycielowi" i zadana a priori przynależność obrazu x do m-tej klasy.<br>&lt;gap reason="sampling"&gt;<br>Składowe &lt;gap&gt; wektora a dla tak sformułowanego modelu regresji, można oszacować metodą najmniejszych kwadratów, tzn. przy zachowaniu warunku, aby suma kwadratów odchyleń od hiperpłaszczyzny regresji była minimalna. Wtedy wektor ocen â otrzymuje się z następującej zależności:<br>&lt;gap&gt;<br>Wektor â jest estymatorem liniowym nieobciążonym. Oszacowanie stopnia