基于贝叶斯手写识别的关键还是在于统计学
以下是余下全文
一、什么是贝叶斯公式
P(Wi/X)=P(X/Wi)*P(Wi)/P(X)
二、贝叶斯公式和手写识别的关系(解释上述公式)
Wi:分类器(相当于数字’0’类、数字’1’类等) X:输入样本(相当于输入识别的图片,样本是由特征组成在,也就是样本和特征有时候是可以等价理解的)
P(Wi/X):当前输入样本X,将样本X归到Wi类的概率值。(越大,说明越有可能归到此类中)
P(X/Wi):在Wi类下面,样本值(特征)为X的概率。(已知一个人,此人有头发(特征)的概率)
P(Wi):Wi类下的样本数目占总样本数目的百分比(训练样本中,数字’0’类的样本数目有100张,总的样本数目为1000张,那么P(Wi)=100/1000)
P(X):可以展开为
P(X/W1)*P(W1)+P(X/W2)*P(W2)+······+P(X/Wi)*P(Wi)
,某个样本(特征)的概率总和