在统计模式识分类问题中,当先验概率未知时,可以使用?

提示:


文章目录

  • 在统计模式识分类问题中,当先验概率未知时,可以使用?
    • @[TOC](文章目录)
  • 题目
  • 二、解题
  • 总结

题目

在统计模式识分类问题中,当先验概率未知时,可以使用
最小损失准则
N-P判决
最小最大损失准则
最小误判概率准则

这是个多选题哦!


二、解题

链接:https://www.nowcoder.com/questionTerminal/79d4084453dc4832bb47f7d7a4eb228c
来源:牛客网

在贝叶斯决策中,对于先验概率p(y),分为已知和未知两种情况。

  1. p(y)已知,直接使用贝叶斯公式求后验概率即可;或者最小损失原则
  2. p(y)未知,可以使用聂曼-皮尔逊决策(N-P决策)来计算决策面。
    最大最小损失规则主要就是使用解决最小损失规则时先验概率未知或难以计算的问题的

先验概率未知时,可以使用聂曼-皮尔逊准则,或者最小最大损失准则。
先验概率已知时,可以用最小损失准则,或者贝叶斯公式


总结

提示:重要经验:

1)先验概率未知时,可以使用聂曼-皮尔逊准则,或者最小最大损失准则。
2)先验概率已知时,可以用最小损失准则,或者贝叶斯公式
3)笔试求AC,可以不考虑空间复杂度,但是面试既要考虑时间复杂度最优,也要考虑空间复杂度最优。

在统计模式识分类问题中,当先验概率未知时,可以使用相关推荐

  1. 贝叶斯垃圾邮件分类问题中联合概率的推导

    主旨 讨论贝叶斯垃圾邮件分类问题中联合概率的计算问题.通过借鉴现有的资料,整理出一种数学上等价,同时基于本科概率论课程较容易理解的计算公式. 背景知识 2002年Paul Graham提出了一种利用贝 ...

  2. 分类问题中的数据不平衡问题

    原文地址:http://blog.csdn.net/heyongluoyao8/article/details/49408131 感谢作者   在很多机器学习任务中,训练集中可能会存在某个或某些类别下 ...

  3. 分类问题中的“维数灾难” - robotMax

    分类问题中的"维数灾难" - robotMax 在看机器学习的论文时,经常会看到有作者提到"curse of dimensionality",中文译为" ...

  4. 5、catch中发生了未知异常,finally代码块如何应对?

    catch中发生了未知异常,finally还会执行么? catch发生了异常,finally还是会执行的,并且是finally执行完成后,才会抛出catch中的异常. 不过catch会吃掉try中抛出 ...

  5. 在二分类问题中,准确率一直处于50%上下的解决方法

    最近在 猫狗识别 项目中,不知为何准确率(训练集准确率和验证集准确率)一直处于0.5左右,这说明网络根本没有学习.后来查阅了许多他人的经验,并做了总结. 首先谈谈我的是如何解决的: 网络结构:Alex ...

  6. 多分类问题中每一类的Precision-Recall Curve曲线以及ROC的Matlab画法

    这两天写论文中,本来设计的是要画这个Precision-Recall Curve的,因为PRC是从信息检索中来的,而且我又做的类似一个检索,所以要画这个图,但是我靠,竟然发现不好画,找了很多资料等.最 ...

  7. 多分类问题中混淆矩阵(Confusion Matrix)的Matlab画法

    在多分类问题中,有一种很实用的分类问题结果统计图. 比如说多类别文类问题,那么每一个类别分到其他类别都有一些数据,但是分到自己类别的毕竟多,这样计算百分比之后就形成了一个矩阵,如果分类正确率高的话,那 ...

  8. 【NLP】如何在文本分类任务中Fine-Tune BERT

    问 题 BERT在许多自然语言理解(NLU)任务中取得了惊人的成果,但它的潜力还有待充分挖掘.目前很少有如何能进一步提高BERT性能的研究,因此,如何通过一些技巧和方法最大限度的提升BERT在文本分类 ...

  9. python输入数据的维度_keras分类模型中的输入数据与标签的维度实例

    在<python深度学习>这本书中. 一.21页mnist十分类 导入数据集 from keras.datasets import mnist (train_images, train_l ...

  10. 分类算法中常用的评价指标

    转自: 分类算法中常用的评价指标 来自网络,备份勿忘! 对于分类器(分类算法),评价指标主要有:1)Precision:2)Recall:3)F-score;4)Accuracy;5)ROC;6)AU ...

最新文章

  1. 数据类型长度、原反补码及移位
  2. 《OD大数据实战》Flume环境搭建
  3. Python基础练习题合集
  4. MySQL事物(详解并发问题和隔离级别)(小白也能懂哦)
  5. 【转】Android编程点滴(14) -- Android中资源文件夹res/raw和assets的使用
  6. c语言判断整数_用c++编写闰年的判断基础程序
  7. bootsrap 外边距_Bootstrap CSS 概览
  8. 液滴型单细胞测序技术比较(二)
  9. 基于OpenCV和C++实现最大阈值分割算法
  10. 【元胞自动机】基于matlab元胞自动机甲板火灾下人群疏散【含Matlab源码 1291期】
  11. c语言模拟键盘自动按键,C语言实现模拟键盘按键事件
  12. uniapp-页面内/页面间数据的流动传递-this-that
  13. LTE/LTE advanced——UMTS 长期演进理论与实践——控制面(3)
  14. 基于Python实现的基金交易系统
  15. SpringSecurity--记住我
  16. 17计算机七班班级活动,2017班级主题活动方案设计
  17. 苹果微信更新不了最新版本_微信更新7.0版本,为何优先给iOS用户体验?这是在歧视安卓?...
  18. 关于UE5角色动画蓝图的基本操作(基础向)
  19. 手动添加打印机的方法(hp laserjet p2055dn为例)
  20. 画流动虚线框(java)

热门文章

  1. 6. 生信技能树——TCGA癌症数据1
  2. 视频教程- Docker入门与进阶实战(上)-Docker/K8S
  3. centeros安装minio
  4. Linux netstat 命令安装
  5. 相机的成像原理: 针孔相机, 胶卷相机 和 数码相机
  6. spring boot学生课程考试系统的设计与实现毕业设计源码171548
  7. matlab简支梁有限元分析,1.3 简支梁的有限元分析
  8. 拳王虚拟项目公社:微店闲鱼怎样自动化卖虚拟商品,虚拟资源自动化收钱项目
  9. python bin文件读写_Python读写文件
  10. 推荐一个谷歌浏览器去广告插件