0
点赞
收藏
分享

微信扫一扫

模式识别网课笔记


第一章 绪论

模式识别网课笔记_正态分布


分类器

模式识别网课笔记_正态分布_02


统计模式识别方法

模式识别网课笔记_贝叶斯决策_03


模式识别网课笔记_模式识别_04


监督型

模式识别网课笔记_贝叶斯决策_05


非监督型

模式识别网课笔记_正态分布_06


模式识别网课笔记_模式识别_07

第二章 贝叶斯决策

  1. 使用贝叶斯分类条件:种类 概率分布已知

模式识别网课笔记_样本集_08


2. 分类:

  • 最小错误
  • 最小风险
    定义:

    运算步骤:

    最小错误率的贝叶斯决策是采用0-1损失函数的最小风险贝叶斯决策
    例题:
  1. 正态分布基础知识

    单变量正态分布


    多元正态分布


    判别函数就是正态分布函数两边取 ln

高斯分布下的贝叶斯分类器

基础知识补充:

协方差矩阵

模式识别网课笔记_模式识别_09


X,Y不相关指的是:X,Y两个变量线性不相关(即不存在线性关系,但可能存在非线性关系)

X,Y独立指的是:X,Y两个变量没有任何关系(即没有线性关系,也没有非线性关系)

马氏距离表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系,并且是尺度无关的,即独立于测量尺度。

第一种情况

模式识别网课笔记_贝叶斯决策_10


模式识别网课笔记_贝叶斯决策_11

第二种情况

第三种情况

第三章 概率密度函数的估计

模式识别网课笔记_贝叶斯决策_12


模式识别网课笔记_模式识别_13


模式识别网课笔记_正态分布_14

参考文章:点击跳转




举报

相关推荐

0 条评论