Аппроксимация дискриминантной функции Андерсона в заданной точке пространства признаков двух классов по обучающей выборке с учителем позволяет оценивать апостериорные вероятности классов. Эти вероятности являются исчерпывающими данными для решения задачи классификации в машинном обучении при субъективно задаваемых стоимостях ошибок и критериях классификации. Обучающая выборка с учителем преобразуется в выборку регрессионного анализа заменой номеров (меток) классов соответствующими разностями стоимостей ошибок. Получающиеся оценки апостериорных вероятностей классов не зависят от выбора стоимостей ошибок классификации, используемых для определения дискриминантной функции. Для аппроксимации дискриминантной функции в точке по обучающей выборке с учителем не требуется задания функции аппроксимации сложнее линейной. Кроме непараметрической модели, использующей обучающую выборку для каждой точки, предложены две параметрические: аппроксимация в окрестности нулевых значений дискриминантной функции и серия аппроксимаций при заданных апостериорных вероятностях на границе между классами. Апостериорные вероятности в заданной точке находятся при этом методом интер-экстраполяции или методом сглаживания. Приведены примеры.