切空間分類器

切空間分類器把共變異數投影到其幾何平均處的切空間、向量化後，再套用標準歐氏監督式模型，例如正則化或收縮 LDA、羅吉斯迴歸或 SVM，並且常搭配特徵選擇或彈性網懲罰，因為切向量有 C(C+1)/2 個維度。這種先映射一次、再用一般機器學習的作法，是最常見的高效能黎曼管線，通常勝過 MDM，因為完整的判別模型能利用單一類別平均所忽略的方向。

其取捨是常見的歐氏機器學習取捨再加上流形上的注意事項：切空間近似假設資料集中在參考平均附近，高維度需要正則化，而所學模型綁定於參考點，因此遷移時需重新投影或平行移動到新的平均。它與黎曼對齊天然契合：先把各領域再中心化，再在共享切空間中分類。