貝葉斯決策理論與統(tǒng)計(jì)判別方法(完整版)
【正文】 E[xj] ? 兩個(gè)隨機(jī)變量統(tǒng)計(jì)獨(dú)立 : p(xixj)＝ p(xi)p(xj) ? 兩個(gè)隨機(jī)變量不相關(guān)，不意味著它們一定獨(dú)立 ? 相互獨(dú)立的隨機(jī)變量，它們之間是不相關(guān)的 ? 正態(tài)分布中不相關(guān)性等價(jià)于獨(dú)立性 多元正態(tài)分布的性質(zhì) ? (5)邊緣分布和條件分布的正態(tài)性 ? 多元正態(tài)分布的邊緣分布和條件分布仍然是正態(tài)分布 ? (6)線性變換的正態(tài)性 ? 這是指多元正態(tài)分布的隨機(jī)向量的線性變換仍然是多元正態(tài)分布的隨機(jī)向量 ? (7)線性組合的正態(tài)性 ? 這是指多元正態(tài)分布的隨機(jī)向量，在經(jīng)過線性組合后得到的一維隨機(jī)變量也是正態(tài)分布的。 單變量正態(tài)分布 ? 單變量正態(tài)分布具體化 其中 ωi, σi分別是對(duì) ω及 σ的具體化。 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 ? 最小距離分類器與線性分類器 ? 兩者都是線性分類器 ? 最小距離分類器是線性分類器的一個(gè)特例 ? 最小距離分類器在正態(tài)分布情況下，是按超球體分布以及先驗(yàn)概率相等的前提下，才體現(xiàn)最小錯(cuò)誤率的 ? 只有在一定條件下，最小距離分類器同時(shí)又是最小錯(cuò)誤率分類器 ? 最小距離分類器的概念是分類器中是最常用的，因?yàn)樗w現(xiàn)了基于最相似性的原則，即被分類事物與哪一種作為標(biāo)準(zhǔn)的事物相像，就判為該類這一原則 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 ? (3)Σi?Σj i,j=1,… ， c ? 最一般的情況 ? 原判別函數(shù) ? 判別函數(shù)的化簡 ? 進(jìn)一步整理得 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 ? 判別面方程，根據(jù) gi(X)－ gj(X)＝ 0有 ? 在一情況下決策面為二次超曲面 ? 隨著 Σi及 P(ωi)的不同而呈現(xiàn)不同形式的超二次曲面 ? 如超球面、超橢球面、超拋物面、超雙曲面，也可能是超平面 各類協(xié)方差矩陣不相等的情況 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯(cuò)誤率貝葉斯決策 。 多元正態(tài)分布 ? 討論二元正態(tài)分布 ? 二維向量，是一個(gè)隨機(jī)向量，每一個(gè)分量都是隨機(jī)變量，服
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1