费希尔判别（Fisher discrimination），理学-统计学-数理统计-判别分析，通过将多维数据投影到某个方向上，将属于不同类别的总体与总体之间尽可能地分开，然后再选择合适的判别规则，将新的样品进行分类判别的方法。由英国统计学家R.A.费希尔（Ronald Aylmer Fisher）于1936年提出。从个总体中抽取具有个指标的样本观测数据，借助方差分析的思想构造线性判别函数，线性判别函数形式为：式中系数确定的原则是使得总体之间区别最大，而使每个总体内部的离差尽量小。运用优化的方法，可以得到两个总体和多个总体下的线性判别函数。在一些问题中，仅用一个线性判别函数并不能很好区别各总体，此时可相应地建立第二个线性判别函数，如果还不够，可以建立第三个线性判别函数，以此类推。在取得线性判别函数之后，对于一个新的样品，将它的个指标值代入已经取得的线性判别函数中，求出，然后根据一定的判别准则，从而判别新样品属于哪个总体。