貝葉斯決策理論與統(tǒng)計判別方法-資料下載頁
2025-04-30 12:09本頁面
【正文】 ? 原判別函數 : ? 判別函數可簡化為 ? 打開乘積，去掉與 i無關的項 (二次項 ),只剩下一次項和常數項 判別函數為一線性函數 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 ? 決策面方程 ? gi(X)－ gj(X)＝ 0 ? 在這里 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 二維下的決策面方程 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 二維下的決策面方程 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 三維下的決策面方程 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 ? 線性分類器總結 ? 在正態(tài)分布條件下，基于最小錯誤率貝葉斯決策只要能做到兩類協(xié)方差矩陣是一樣的，那么無論先驗概率相等不相等，都可以用線性分界面實現。 ? 而最小歐氏距離分類器則要求正態(tài)分布協(xié)方差矩陣為單位陣，先驗概率相等。 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 ? 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概率相等的前提下，才體現最小錯誤率的 ? 只有在一定條件下，最小距離分類器同時又是最小錯誤率分類器 ? 最小距離分類器的概念是分類器中是最常用的，因為它體現了基于最相似性的原則，即被分類事物與哪一種作為標準的事物相像，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 ? 判別函數的化簡 ? 進一步整理得 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 ? 判別面方程，根據 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誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策
環(huán)評公示相關推薦
鄂ICP備17016276號-1