模式识别和机器学习
文章平均质量分 87
Rise9z
zhendelan
展开
-
模式识别与机器学习 学习笔记(四)
贝叶斯决策利用类条件概率 和先验概率 来设计分类器;最核心的思想是利用后验概率;贝叶斯决策的基础是 概率密度函数的估计,即 先验概率 和类条件概率 的估计。第二章,在先验概率和类条件概率确定的情况下,我们通过贝叶斯公式来进行决策。而第三章我们要解决的问题是估计先验概率和类条件概率具体做法是:利用,并把这些估计的结果当作实际的先验概率和条件密度函数,然后再设计分类器。原创 2023-05-24 21:31:06 · 343 阅读 · 0 评论 -
模式识别与机器学习 学习笔记(三)
在学习贝叶斯决策方法之前,我们需要先了解贝叶斯公式以及会出现在贝叶斯公式里的一些专有名词。原创 2023-05-24 17:10:34 · 386 阅读 · 0 评论 -
模式识别与机器学习 学习笔记 (一)
第3章,概率密度函数估计的原理和方法:参数估计的。原创 2023-05-06 18:19:59 · 1209 阅读 · 1 评论