線性分類器有三大類：感知器準則函數、SVM、Fisher準則，而貝葉斯分類器不是線性分類器。
感知器準則函數：代價函數J=-(W*X+W0)，分類的準則是最小化代價函數。感知器是神經網絡（NN）的基礎，網上有很多的介紹。
SVM：支持向量機也是很經典的算法，優化目標是最大間隔（margin），又稱最大間隔分類器，是一種典型的線性分類器。（使用核函數可解決非線性問題）
Fisher準則：更廣泛的稱呼是線性判別分析（LDA），將所有樣本投影到一條原點出發的直線，使得同類樣本距離儘可能小，不同類樣本距離儘可能大，具體爲最大化“廣義瑞利熵”。
貝葉斯分類器：一種基於統計方法的分類器，要求先了解樣本的分佈特點（高斯、指數），所以使用起來限制很多。在滿足一些特定條件下，其優化目標與線性分類器有相同的結構，其餘條件下不是線性分類器。