ExcaliburZY的博客

给不爱复习的Z同学。参考教材书：《模式识别》吴陈等编著，机械工业出版社。第2章（P47）2.11 选择题​ （1）影响聚类算法结果的主要因素有（BCDBCDBCD）​ A.A.A. 已知类别的样本质量 B.B.B. 分类准则 C.C.C. 特征选取 D.D.D. 模式相似性测度​ （2）聚类分析算法属于（AAA）​ A.A.A. 无监督分类 B.B.B. 有监督分类 C.C.C. 统计模式识别方法 D.D.D. 句法模式识别方法​ （3）影响 K−K-K−均值聚类算法

9.1 什么是决策树决策树是一种监督学习。一棵决策树由分支结点、分支和叶结点构成。每个内部结点表示一个属性上的测试，每个分支代表一个测试输出，每个叶结点代表一种类别或类的分布。优点：可读性好，具有描述性，有助于人工分析；​ 效率高。一次构建，重复使用，每次预测的最大计算次数不超过树的深度。9.2 属性选择的几个度量1. 期望信息或信息熵表示任意样本集的纯度，样本内部的混乱程度与熵值成正比。设 DDD 为数据集合（含有 s=∣D∣s=|D|s=∣D∣ 个样本），类别属性具有 mmm 个不

给不爱复习的张同学。10.1 支持向量10.1.1 线性可分D0D_0D0​ 和 D1D_1D1​ 是 nnn 维欧式空间中的两个点集。如果存在 nnn 维向量 WWW 和实数 w0w_0w0​，使得所有属于 D0D_0D0​ 的点 XiX_iXi​ 都有 W⋅Xi+w0>0W\cdot X_i+w_0>0W⋅Xi​+w0​>0，而对于所有属于 D1D_1D1​ 的点 XjX_jXj​ 则有 W⋅Xj+w0<0W\cdot X_j+w_0<0W⋅Xj​+w0​<0，

模式识别期末复习题选择感觉部分答案不对，自行判断。给不爱复习的张同学。一、判断1、影响层次聚类算法结果的主要因素有：计算模式距离的测度、聚类准则、类间距离门限、预定的类别数目。（√√√）2、欧式距离具有平移不变性和旋转不变性。（√√√）3、马式距离既具有欧式距离的特性，还具有尺度缩放不变性和不受量纲影响。（√√√）4、线性判别函数的正负和数值大小的几何意义是：正（负）表示样本点位于判别界面法向量指向的正（负）半空间中；绝对值正比于样本点到判别界面的距离。（√√√）5、积累势函数法较之于 H—

只是应试的个人笔记，不全不详细。统计模式识别{聚类分析法（非监督）判别函数法（有监督）{几何分类法（确定性事件）{线性判别函数法非线性判别函数法统计决策方法（贝叶斯决策方法，随机事件）统计模式识别\left\{\begin{aligned}&聚类分析法（非监督）\\&判别函数法（有监督）\left\{\begin{aligned}&几何分类法（确定性事件）\left\{\begin{aligned}&线性判别函数法\\&非线性判别函数法\e

@TOC给定一个含3个样本的样本集合，编程实现计算其各点之间的各类距离设三个样本点为 (1,0),(0,1),(1,1)。%Sample pointsX=[ 1 0; 0 1; 1 1];[m,n]=size(X); %m为样本个数，n为维度Manhattan distance(City Block Distance)图中，红色为曼哈顿距离，绿色为欧氏距离，蓝色和黄色为等价的曼哈顿距离。用以标明两个点在标准坐标系上的绝对轴距总和。二维中两点(x1,y1),(x2,y2)(x_1,y_1)