Straipsnyje pristatomos naujos statistinio klasifikavimo taisyklės erdviams auto-beta modeliams. Jos paremtos sąlygine Bajeso ir tiesine diskriminantinėmis funkcijomis. Sprendžiamas uždavinys, kai erdvės taškas klasifikuojamas į 1 iš 2 populiacijų, su žinoma požymo reikšme ir mokymo aibe. Populiacijos apibrėžiamos regresoriais, bendraisiais ir klasių parametrais. Visi skaičiavimai atlikti simuliuotiems duomenims, su keletu skirtingų modelio parametrų rinkinių. Siūlomos klasifikavimo taisyklės palyginamos skaičiuojant tikrąją klasifikavimo klaidą, su skirtingais apriorinių tikimybių vertinimais.