![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习与模式识别
楚歌again
这个作者很懒,什么都没留下…
展开
-
【机器学习】西瓜书第6章支持向量机课后习题6.1参考答案
其中 ω = ( ω_1;ωd) 为法向量,决定了超平面的方向;,则超平面可以表示为$ ω^T \cdot x_0 + b = 0$。【机器学习】西瓜书学习心得及课后习题参考答案—第6章支持向量机。到平面的距离,计算方式是将点。到超平面的距离可以用该点到。了超平面与原点之间的距离.原创 2023-12-27 15:44:29 · 1224 阅读 · 0 评论 -
3.正态分布概率模型下的最小错误率贝叶斯决策MATLAB程序代码
【题目】:已知三个类别分别为W1:[0,0]T,[2,1]T,[1,0]T; W2:[-1,1]T,[2,0]T,[-2,-1]T; W3:[0,-2]T,[0,-1]T,[1,-2]T。以协方差矩阵相等和不相等两种情况,基于最小错误率的Bayes分类器进行仿真,画出三类的分界线,并判断样本[-2,2]T属于哪一类?原创 2021-11-30 15:01:24 · 3312 阅读 · 0 评论 -
2.依据最小风险的贝叶斯决策对观察的结果进行分类MATLAB程序代码
>【题目】:假定某个局部区域细胞识别中正常P(w1)和非正常P(w2)两类先验概率分别为:正常状态:P(w1) =0.9;异常状态:P(W2)=0.1。现有一系列待观察的细胞,其观察值为:-2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07两类的类条件概率符合正态分布,分别为p原创 2021-11-30 14:49:28 · 2874 阅读 · 0 评论 -
1.依据最小错误率的贝叶斯决策对观察的结果进行分类MATLAB程序代码
假定某个局部区域细胞识别中正常P(w1)和异常P(w2)两类先验概率分别为P(w1)=0.9, P(w2)=0.1现有一系列待观察的细胞,其观察值为:-2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07 两类的类条件概率符合正态分布p(x|w1)=(-2,1.5), p(x|w2)=(2原创 2021-11-30 14:41:03 · 1044 阅读 · 0 评论