![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模式识别与机器学习
文章平均质量分 89
Gantnocap
play the game of life.
展开
-
3.2_最大似然估计
似然函数�(�)L(θ)给出了从该类总体中抽出�1,�2,…,��x 1 ,x 2 ,…,x N 这样N个样本的概率。一般来说,使得这个概率最大的�θ是我们需要的最大似然估计量。原创 2023-12-17 14:34:41 · 916 阅读 · 0 评论 -
2.5_正态分布概率模型下的最小错误率贝叶斯决策
在多元正态分布的条件下,基于最小错误率贝叶斯决策只要能做到各类别的协方差矩阵是一样的,那么无论先验概率是否相等,都可以用线性分界面实现。最小(欧氏)距离分类器则要求各正态分布的协方差矩阵为单位矩阵,且各类别的先验概率相等。原创 2023-12-16 18:07:42 · 2138 阅读 · 1 评论 -
2.4_多元正态分布
设随机向量x服从多元正态分布,即x∼NμΣ, 其中x表示d维的向量,μ也表示d维的向量,Σ表示dxd维的协方差矩阵。随机向量xfx2πd/2∣Σ∣1/21e2−1x−μTΣ−1x−μ1其中Σ−1是Σ的逆矩阵,∣Σ∣为其行列式。μEx2ΣE[(x−μx−μT3可知μμ1μ2μdxx1x2xdμi是μ的第i个分量,σij。原创 2023-12-15 22:48:29 · 836 阅读 · 0 评论 -
2.3_两类错误率Neyman_Pearson决策与ROC曲线
研究两类错误率,将样本分为阳性(正样本)和阴性(负样本);那么将样本分错就有两类情况,一是将阳性样本分成了阴性(即假阴);二是将阴性样本分成了阳性(假阳)原创 2023-12-15 10:59:37 · 1009 阅读 · 0 评论 -
2.2_最小风险贝叶斯决策
本节考虑了在有风险的情况下,该选择什么样的决策,同时我们也发现,在风险一致的情况下,最小风险贝叶斯决策就是最小错误率贝叶斯决策。原创 2023-11-28 09:55:24 · 551 阅读 · 0 评论 -
2.1_最小错误率贝叶斯决策
最小错误率贝叶斯决策核心是在于将最小错误率转换成了最大化后验概率原创 2023-11-27 15:36:18 · 1795 阅读 · 0 评论 -
5.4_Fisher线性判别分析
Fisher判别函数最优的解本身只是给出了一个投影方向,并没有给出我们需要的分类面(和投影方向正交),需要在投影方向上确定一个分类阈值。,它们分别表示每个类别内部所有样本的离散程度。原创 2023-11-25 01:06:18 · 1480 阅读 · 1 评论