matlab实现贝叶斯,最简单的贝叶斯分类器MATLAB实现

本文介绍了一个使用MATLAB实现的基于高斯分布的贝叶斯分类器。通过最大似然估计获取参数,利用伯努利分布计算先验概率,并通过比较后验概率确定样本类别。代码包括训练模型、计算分类误差的功能,展示了在二维数据集上的表现,测试结果显示分类效果良好。
摘要由CSDN通过智能技术生成

贝叶斯(Baysian)分类器[1]是一种理论上比较简单的分类器。但是结合不同的网络结构和概率模形,它又可以演化成非常复杂的分类体系。本短文主要演示Baysian + Gaussian如何解两类问题。

0818b9ca8b590ca3270a3433284dd417.png

其中,分母部分主要用于归一化。p(y)为先验概率(prior), p(x|y)为条件概率或称之为类概率密度(即已知x是哪一类的情况下p(x)的概率密度)。 在本文中,假设p(x|y)是高斯分布,即[2]:

0818b9ca8b590ca3270a3433284dd417.png

而p(y)则采用伯努利(Bernoulli)分布[3]:

0818b9ca8b590ca3270a3433284dd417.png

其中最大似然估计后得到的\eta即为第0类中训练样本的个数占总样本数的百分比。 求得五个参数

评论
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