Non-parametric Classifiers
Parzen Window Method
Parzen 窗主要思想就是直接利用样本来估计总体分布, 每一个样本对估计所起的作用依赖于它到x的距离.
先验概率P(ωk)P(\omega_{k})P(ωk) 就是训练样本中每个类别的占比
P(ωk)=nk∑i=1KniP\left(\omega_{k}\right)=\frac{n_{k}}{\sum_{i=1}^{K} n_{i}} P(ωk)=∑i=1Knink
条件概率P(x∣ωk)P\left(x \mid \omega_{k}\right)P(x∣ωk) 就是在类别ωk\omega_{k}ωk的条件下,出现样本x的概率
P(x∣ωk)=1nk∑xi∈ωk1hdϕ(x−xih)P\left(x \mid \omega_{k}\right)=\frac{1}{n_{k}} \sum_{x_{i} \in \omega_{k}} \frac{1}{h^{d}} \phi\left(\frac{x-x_{i}}{h}\right) P(x∣ωk)=nk1xi∈ωk∑hd1ϕ(hx−xi)
其中ϕ(u)\phi(u)ϕ(u) 是窗函数, 本次实验为正态窗函数
ϕ(u)=12πe−u22\phi(u)=\frac{1}{\sqrt{2 \pi}} e^{-\frac{u^{2}}{2}} ϕ(u)=2π1e−2u2
后验概率P(ωk∣x)P\left(\omega_{k} \mid x\right)P(ωk∣x) 也就是当我们知道样本xxx,计算这个样本属于某个类别的概率,概率最大的那个类别是则是判断的结果。
P(ωk∣x)∝P(ωk)P(x∣ωk)P\left(\omega_{k} \mid x\right) \propto P\left(\omega_{k}\right) P\left(x \mid \omega_{k}\right) P(ωk∣x)∝P(ωk)P(x∣ωk)
也就是说我们要分别计算每个测试样本属于鸢尾花类别0,1,20,1,20,1,2的后验概率, 选取最大的作为判断的结果
本次实验最主要的是计算条件概率, 直接将公式实现即可, 需要注意的是使用的是正态窗函数, 计算每个测试数据在某一类别下的条件概率时, 当前类别的训练样本对测试样本都是起作用的,其中ddd 是样本维数,鸢尾花样本即为4,hhh 是窗口大小
KNN Method
KNN的实现就比较简单了,计算测试样本与所有训练样本的欧氏距离, 取前KKK个最小距离的样本,统计训练样本的类别,最多的那个类别即是判断结果
本文仅供参考, 若有错误, 欢迎指出, 共同学习
本文首发于公众号: 小玉lab , 欢迎关注
Non-parametric Classifiers相关推荐
- [论文阅读笔记]SEMANTIC ADVERSARIAL ATTACKS: PARAMETRIC TRANSFORMATIONS THAT FOOL DEEP CLASSIFIERS(ICCV)
SEMANTIC ADVERSARIAL ATTACKS: PARAMETRIC TRANSFORMATIONS THAT FOOL DEEP CLASSIFIERS(2019 ICCV) 文章简介: ...
- OpenFace库(Tadas Baltrusaitis)中基于Haar Cascade Classifiers进行人脸检测的测试代码
Tadas Baltrusaitis的OpenFace是一个开源的面部行为分析工具,它的源码可以从 https://github.com/TadasBaltrusaitis/OpenFace 下载.O ...
- QIIME 2用户文档. 13训练特征分类器Training feature classifiers(2019.7)
前情提要 NBT:QIIME 2可重复.交互和扩展的微生物组数据分析平台 1简介和安装Introduction&Install 2插件工作流程概述Workflow 3老司机上路指南Experi ...
- QIIME 2教程. 13训练特征分类器Training feature classifiers(2020.11)
文章目录 训练特征分类器 下载并导入参考序列 提取参考序列 训练分类集 测试分类集 分类真菌ITS序列 译者简介 译者简介 Reference 猜你喜欢 写在后面 训练特征分类器 Training f ...
- QIIME 2用户文档. 12训练特征分类器Training feature classifiers(2018.11)
文章目录 前情提要 训练特征分类器 下载并导入参考序列 提取参考序列 训练分类集 测试分类集 分类真菌ITS序列 Reference 译者简介 猜你喜欢 写在后面 前情提要 QIIME 2可重复.交互 ...
- 参数化模型(parametric model)和非参数化模型non-parametric model)的区别?哪些模型是参数化模型,哪些模型是非参数化模型?
参数化模型(parametric model)和非参数化模型non-parametric model)的区别?哪些模型是参数化模型,哪些模型是非参数化模型? 统计学习模型又可以分为参数化模型(para ...
- creo 3.0计算机配置,Creo 3.0 Parametric 配置选项文件使用说明
最近安装了Creo Parametric 3.0 F000,其配置选项与Creo Parametric 2.0有部分更新,研究PTC Creo® 3.0 Parametric 配置选项configop ...
- 数字图像处理实验(13):PROJECT 05-04,Parametric Wiener Filter
实验要求: Objective: To understand the high performance of the parametric Wiener Filter in image restora ...
- 文献学习(part80-B)--Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?
学习笔记,仅供参考,有错必纠 关键词:分类.UCI数据库.随机森林.支持向量机.神经网络.决策树.集成.基于规则的分类器.判别分析.贝叶斯分类器.广义线性模型.偏最小二乘和主成分回归.多重自适应回归样 ...
- 文献学习(part80-A)--Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?
学习笔记,仅供参考,有错必纠 关键词:分类.UCI数据库.随机森林.支持向量机.神经网络.决策树.集成.基于规则的分类器.判别分析.贝叶斯分类器.广义线性模型.偏最小二乘和主成分回归.多重自适应回归样 ...
最新文章
- 皮一皮:只恨不为女儿身...
- python详细安装教程3.7.4-python 3.7.4下载与安装的问题
- hyperion高光谱参数_收藏!光纤光谱仪在激光领域的典型应用
- IOS中的懒加载lazyLoad
- python 打包exe_python如何封装为exe
- 去广州见了我大学老师标哥
- python列表元素都加倍_关于python列表增加元素的三种操作方法
- LeetCode算法入门- Longest Palindromic Substring-day5
- python中面向对象的ui_怎样理解Python中的面向对象?
- 中南大学计算机网.doc,中南大学计算机网络习题2014-2.doc
- 编译ok6410linux内核,Linux3.6.7在OK6410平台的移植(二)编译配置linux3.6.7
- 使用IE浏览器访问JSP界面,当使用断点时相关的样式会显示,当不适用断点时,相关的样式不会显示
- 【资料整理】squid安装和配置代理上网
- matlab 类型转换(类型判断)
- matla可以导出回归结果表格吗_表格高级筛选,一键筛出想要的数据
- matlab肌电信号hz低通滤波器,燕山大学 数字信号处理 课程设计 肌电信号 Matlab 程序汇总...
- MySQL嵌套查询(子查询)
- 知识竞赛软件已全面取代了传统手工赛场控制方式
- 【学会了学会了】Flink官网翻译——Flink集群部署概览
- 巫妖王之怒诺森德大陆全貌视频 魔兽世界