matlab
ClaraR
这个作者很懒,什么都没留下…
展开
-
学习笔记|模式识别|KNN分类与matlab实现
一、KNN介绍K-近邻分类器(KNN)是一种在线分类器,也就是说在分类的时候直接从训练样本中找出与待分类样本最接近的K个样本,以判断待分类样本的类别。初学者容易把KNN和Kmeans搞混,KNN是一种最简单的有监督分类方法,而Kmeans是一种无监督的聚类方法,Kmeans不直接得到样本的类别,而是根据样本本身特性将他们分别聚成几个簇。KNN的思想:首先,计算新样本与训练样本之间的距离,找到距离最近的K个近邻,统计这K个近邻中个数最多的类别,然后把新样本归为该类别,通常K是不大于20的整数。经验上,原创 2020-07-01 15:29:22 · 3957 阅读 · 4 评论 -
学习笔记|模式识别|Kmeans聚类以及matlab中kmeans函数的使用
一、聚类介绍聚类分析是指事先不了解每一个样本的类别或其他的先验知识,而唯一的分类根据是样本的特征,利用某种相似度度量的方法,把特征相同或相似的归为一类,实现聚类划分,聚类是一种无监督分类方法。同一个聚合类中的模式比不同聚合类中的模式更相似,从而对模式间的相互关系做出估计。聚类分析的结果可以被用来对数据提出初始假设,分类新数据,测试数据的同类型及压缩数据。1、聚类的定义在模式空间S中,若给定N个样本X1,X2,...,XN,聚类的定义是:按照相互类似的程度找到相应的区域R1,R2,...,RM,对原创 2020-06-30 23:08:57 · 6067 阅读 · 0 评论 -
学习笔记|模式识别|SVM分类和libsvm在matlab中的使用
一、SVM介绍传统学习方法采用的经验风险最小化方法(ERM)虽然将误差最小化,但不能最小化学习过程的泛化误差。ERM方法不成功的例子就是神经网络中的过学习问题。为此,由Vapnik领导的贝尔实验室研究小组于1963年提出了一种新的非常有潜力的技术,支持向量机(Support vector machine,SVM)是一种基于统计学习理论的模式识别方法,主要用用于模式识别领域。SVM的基本思想是在样本空间或特征空间构造出最优超平面,使得超平面与不同样本集之间的距离最大,从而达到最大的泛化能力。关于S原创 2020-06-30 17:42:07 · 1326 阅读 · 0 评论 -
学习|模式识别|最小风险贝叶斯分类和matlab实现
接上一篇《最小错误率贝叶斯分类和matlab实现》,本文将介绍最小风险贝叶斯分类以及它与最小错误率贝叶斯分类的关系。1、最小风险贝叶斯分类比较熟悉机器学习或深度学习的同学可能对“损失”这个词更熟悉,其实在这里“风险”就是“损失”的意思。为什么要有最小风险和最小错误率这两种方法呢?最小错误率贝叶斯分类是以最小化分类错误率(或最大化后验概率)为目标来判定样本对应的类别的,使用贝叶斯公式...原创 2020-03-19 02:12:04 · 4951 阅读 · 1 评论 -
学习|模式识别|最小错误率贝叶斯分类和matlab实现
1、贝叶斯公式首先要知道贝叶斯公式:其中,是先验概率,是条件概率,我们要求的是后验概率。由于分母项在不管求样本的哪个后验概率时都是一样的,实际上我们需要关注的只是分子,因此有2、基于最小错误率的贝叶斯分类理论接下来阐释基于最小错误率的思想,以及贝叶斯公式在其中如何发挥作用。在模式分类时,我们的目标是尽量减少分类的错误,即追求最小的错误率,用式子表达就是:这个...原创 2020-03-18 21:47:02 · 5773 阅读 · 4 评论