模式识别设计(Python编程):正态分布的Bayes分类器

这篇博客通过Python代码展示了如何使用正态分布的Bayes分类器进行模式识别。首先计算不同类别的协方差矩阵,然后利用Bayes分类准则判断输入样本属于哪个类别。博客分别讨论了协方差不等和相等两种情况下的分类边界,并给出了相应的二维平面上的分界线方程。最后,博主用图形展示了分类边界。
摘要由CSDN通过智能技术生成

题目:话不多说。

代码:

import numpy as np
import math
import matplotlib.pyplot as plt

a = np.array([[0, 2, 1],
              [0, 1, 0]], dtype=np.float64)
b = np.array([[-1, -2, -2],
              [1, 0, -1]], dtype=np.float64)
c = np.array([[0, 0, 1],
              [-2, -1, -2]], dtype=np.float64)
input = [[-2], [2]]
a_t = np.matrix(a)
a_cov = np.matrix(np.cov(a_t))
a_cov_m = np.linalg.det(np.cov(a_t))
a_cov_I = a_cov.I
u1 = np.array([[1],
              [1/3]], dtype=np.float64)
g_a = -1/2 * np.matrix(input-u1).T * a_cov_I * np.matrix(input-u1) - 1/2 * math.log(abs(a_cov_m)) + math.log(1/3)
v_1 = -1/2 * a_cov_I
w_1 = a_cov_I * u1
w_10 = -1/2 * np.matrix(u1).T * a_cov_I * u1 - 1/2 * math.log(abs(a_cov_m)) + math.log(1/3)

b_t = np.matrix(b)
b_cov = np.matrix(np.cov(b_t))
b_cov_m = np.linalg.det(np.cov(b_t))
b_cov_I = b_cov.I
u2 = np.array([[-5/3],
              [0]], dtype=np.float64)
g_b = -1/2 * np.matrix(input-u2).T * b_cov_I * np.matrix(input-u2) - 1/2 * ma

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