- 博客(10)
- 收藏
- 关注
RSS订阅原创 线性分类器：Fisher线性判别
我们知道，基于样本直接设计分类器需要三个基本要素：判别函数类型、分类器设计准则、寻优算法。这里我们讨论的线性判别函数类型为：g(x)=wTx+w0g(x)=w^Tx+w_0。采用Fisher准则
2015-08-28 10:43:55
8179
原创 直方图法、Kn近邻估计法、Parzen窗法
当需要估计的概率密度函数的形式未知，比如我们并不能知道样本的分布形式时，我们就无法用最大似然估计方法或贝叶斯估计方法来进行参数估计，而应该用非参数估计方法。这里就介绍三种非参数估计方法。
2015-08-24 14:54:55
16165
1
原创 贝叶斯估计
贝叶斯估计是概率密度函数估计中的一种主要的参数估计方法，其结果在很多情况下和最大似然估计方法相同。 本文详细介绍了贝叶斯估计的基本思想和计算步骤，并通过正态分布的贝叶斯估计举例，最后分析了贝叶斯估计相对于最大似然估计的优势。
2015-08-22 16:34:30
5981
原创 最大似然估计
最大似然估计是对概率密度函数的一种参数估计。就是说，样本的概率密度函数形式是已知的，但是函数中的某些或全部的参数未知，我们需要根据样本来估计这些参数的值。本文讲述了最大似然估计的基本原理和计算方法
2015-08-21 13:43:26
5365
原创 正态分布及其性质
正态分布也称为高斯分布。客观世界中很多变量都服从或近似服从正态分布，且正态分布具有很好的数学性质，所以正态分布也是人们研究最多的分布之一。本文对正态分布的性质做归纳总结，方便日后查找。
2015-08-20 13:43:41
73049
1
转载 欢迎使用CSDN-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2015-08-20 09:30:54
605
原创 贝叶斯决策
本文讲述了以贝叶斯决策为核心的统计决策的基本思想和原理。其基本原理就是根据概率模型来估算后验概率，通过比较后验概率进行决策，而通过贝叶斯公式，后验概率的比较可以转化为类条件概率密度的比较。
2015-07-21 21:49:37
2907
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人