【模式识别与机器学习】模式识别中的一些基本概念

本文介绍了模式识别中的关键概念,包括特征、模型、回归分析、函数内插和密度估计。特征如鱼的长度和形状是分类依据;模型用于描述不同类别的差异;回归分析预测新数据;函数内插解决间隔数据问题;密度估计求解类别出现概率。此外,还讨论了先验概率和类条件概率密度在判断类别时的作用。
摘要由CSDN通过智能技术生成

特征(feature):如果有一个区分鱼的类别的系统,可以分类的依据为长度、光泽、宽度、鳍的数目和形状、嘴的位置。这些可以利用的要素称为模式分类的特征。

模型(model):如果鱼的不同类别之间确实存在某种差异,我们称之为具有不同的模型,即可以用数学形式表达的不同特征的描述。

在模式识别系统中,经常会用到三种密切相关的系统,回归分析、函数内插和(概率)密度估计。

回归(regression)分析中,我们的目的是对输入数据找到合适的函数表示,常用于预测新数据的值。线性回归(linear regression),其中的函数形式对输入数据而言是线性的,是目前研究的最透彻的一种回归形式。

函数内插

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值