模式识别设计（Python编程）：正态分布的Bayes分类器

最新推荐文章于 2023-02-01 10:59:14 发布

不会鸭

最新推荐文章于 2023-02-01 10:59:14 发布

阅读量4.9k

点赞数 9

分类专栏： python 模式识别文章标签：模式识别 python

本文链接：https://blog.csdn.net/qq_34866024/article/details/81128221

版权

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