envi最大似然分类_贝叶斯分类器

最新推荐文章于 2022-07-06 17:16:35 发布

weixin_39639643

最新推荐文章于 2022-07-06 17:16:35 发布

阅读量1.1k

点赞数

文章标签： envi最大似然分类

本文链接：https://blog.csdn.net/weixin_39639643/article/details/111630190

版权

本文介绍了贝叶斯定理及其在ENVI中的应用，详细阐述了贝叶斯分类器的原理，包括贝叶斯决策论和极大似然估计。通过实例解释了如何利用贝叶斯分类器进行样本分类，并讨论了朴素贝叶斯分类器在处理连续变量时的概率计算方法。

摘要由CSDN通过智能技术生成

一、前言

如果一个人好看，直接表达：花颜月貌
如果一个人既漂亮，又有气质：麟凤芝兰
如果说：嗯，有气质。怎么理解呢？
是不是不怎么漂亮的意思？

如果是的话，贝叶斯就长得：嗯，有气质

二、贝叶斯定理

贝叶斯定理是关于随机事件A和B的条件概率：

其中P(A|B)是在B发生的情况下A发生的可能性

1. p(A)是A的先验概率，之所以称为“先验”是因为它不考虑任何B方面的因素。
2. P(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。
3. P(B|A)是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率。
4. P(B)是B的先验概率，也作标淮化常量。

三、原理解释

贝叶斯原理是贝叶斯为了解决一个叫“逆向概率”问题，尝试解答在没有太多可靠证据的情况下，怎样做出更符合数学逻辑的推测，在我们不了解所有客观事实的情况下，同样可以先估计一个值，然后根据实际结果不断进行修正。
举个例子：
贝爷喜欢一个花颜月貌、麟凤芝兰的女同事斯女士，贝爷想知道今天斯女士穿了什么颜色的大衣？贝爷通过之前的聊天、接触知道斯女士只有两种颜色的大衣：15%的粉色和85%的天蓝色大衣，那么今天未见到斯女士的贝爷通过同事了解到斯女士今天穿了粉色的大衣，但是这位同事是轻微色盲(看到穿粉色大衣的事件定义为M)，能看正确的概率是80%：