贝叶斯决策理论和概率密度估计方法

这学期学习了《模式识别》这门课程,刚刚考完试,趁着考试复习的机会把模式识别的基础方法总结了一下了,这一篇的主要内容是转自Angel_Yuaner大神的博客,提供原链接整理如下。

贝叶斯决策理论

  • 贝叶斯决策有两个基本要求

    • 各类别总体的概率分布是已知的
    • 待决策分类的类别数是一定的
  • 贝叶斯决策时是从样本空间到决策空间的一个映射,贝叶斯决策是所有识别方法的一个基准。

  • 贝叶斯决策论
    贝叶斯公式和贝叶斯决策

  • 贝叶斯决策论有两种决策规则

    1. 基于最小错误率贝叶斯决策
    2. 基于最小风险的贝叶斯决策

概率密度估计方法

贝叶斯决策中需要先验概率和类条件概率密度,因此需要进行概率密度估计。如果概率密度函数的形式已知,则为参数估计,常见的方法有:

  1. 贝叶斯估计
  2. 最大似然法

如果概率密度函数的形式未知的,就需要用样本把概率密度函数直接估计出来,这叫做非参数估计。最基本的方法有:

  1. 直方图法、K_n邻近法、Parzen窗法

线性判别方法

线性判别主要有三个判别准则,分别是:

  • Fisher准则:根据两分类样本一般类内聚集,类间分离的特点,寻找线性分类器最佳的法线向量方向,使两类样本在该方向上的投影满足类内尽可能聚集,类间尽可能分离。这种度量通过类内离散矩阵Sw和类间离散矩阵Sb实现。
  • 感知器准则函数:准则函数以使错分样本到分界面距离之和最小为原则,优点是通过错分样本提供的信息对分类器函数进行修正。
  • 支持向量机:基本思想是在两类线性可分条件下,所设计的分类器界面使两类的间隔最大,基本出发点是使期望泛化风险尽可能小。

    1. Fisher线性判别
    2. 感知器
    3. SVM

统计基础知识

  • 正态分布
    正态分布也称为高斯分布。客观世界中很多变量都服从或近似服从正态分布,且正态分布具有很好的数学性质,所以正态分布也是人们研究最多的分布之一。
    正态分布

  • 协方差
    协方差反映了数据不同维度之间的关系,在统计分析中有重要的作用,如PCA中。
    协方差
    PCA教程

补充之中。。。

贝叶斯决策理论和概率密度估计方法相关推荐

  1. 概率密度估计方法-核密度估计和高斯混合分布

    1.概率密度估计方法 概率密度估计方法用于估计一组数据集的概率密度分布,分为参数估计方法和非参数估计方法. 参数估计方法 假定样本集符合某一概率分布,然后根据样本集拟合该分布中的参数,例如:似然估计, ...

  2. 机器学习中的概率模型和概率密度估计方法 及 VAE生成式模型详解(之二)

    简介 非监督机器学习(Unsupervised Machine Learning)中的数据分布密度估计(Density Estimation).样本采样(Sampling)与生成(Generation ...

  3. 机器学习中的概率模型和概率密度估计方法及VAE生成式模型详解之二(作者简介)...

    Brief Introduction of the Blog Author Chief Architect at 2Wave Technology Inc. (a startup company in ...

  4. 模式识别—贝叶斯决策理论

    绪论 模式的两个层次:样本.类别 模式的表示:两个 识别对象的表示:选择特征来对所识别的对象进行表示,特征选择的好坏对识别对象的难度有很大影响. 每个对象可选择多个特征来表示,这些特征用一个特征向量来 ...

  5. 概率密度估计小结--参数估计与非参数估计

    通过观测世界得到了一些数据,我们要从这些数据里面去找出规律来认识世界,一般来说,在概率上我们有一个一般性的操作步骤: 1. 观测样本的存在 2. 每个样本之间是独立的 3. 所有样本符合一个概率模型 ...

  6. 概率密度估计--参数估计与非参数估计

    我们观测世界,得到了一些数据,我们要从这些数据里面去找出规律来认识世界,一般来说,在概率上我们有一个一般性的操作步骤 1. 观测样本的存在 2. 每个样本之间是独立的 3. 所有样本符合一个概率模型 ...

  7. Educoder 机器学习 第1关:基于贝叶斯决策理论的分类方法

    第1关:基于贝叶斯决策理论的分类方法 任务描述 本关任务:理解朴素贝叶斯的分类思想,完成编程习题. 相关知识 为了完成本关任务,你需要掌握:1.贝叶斯,2.朴素贝叶斯. 贝叶斯 朴素贝叶斯是贝叶斯决策 ...

  8. 机器学习的统计方法 贝叶斯决策理论入门

    引言 无论你是在建立机器学习模型还是在日常生活中做决定,我们总是选择风险最小的方案.作为人类,我们天生就采取任何有助于我们生存的行动:然而,机器学习模型最初并不是基于这种理解而建立的.这些算法需要经过 ...

  9. 基于贝叶斯决策理论的分类器

    1.引言 模式识别是根据对象特征值将其分类.d个特征组成特征向量x=[x1,···,xd]T,生成d维特征空间,在特征空间一个x称为一个模式样本. Bayes决策理论是用概率统计方法研究决策问题. ( ...

最新文章

  1. 大数据流通与交易技术国家工程实验室成立大会在京举行
  2. UVa1374 Power Calculus(IDDFS)
  3. 关于网络线与电话线共用之体会
  4. 最讨厌心灵鸡汤 所有失败最终都是人不行
  5. 简述java的异常处理机制_简述java异常处理机制
  6. virtualbox虚拟机安装Ubuntu异常处理:FATAL: NO bootable medium found! System halted
  7. LINUX上用Robot截屏得到全黑之分析
  8. ARX二次开发 遍历删除所有的约束
  9. 计算机桌面桌面设置动态视频教程,如何在计算机上设置动态桌面?电脑设置动态视频桌面图形教程...
  10. 5、提取snp indel 位点
  11. 什么是CPA?如何通过CPA推广模式赚钱呢?
  12. ffmpeg h265
  13. 曾风靡全国的五笔输入法要淘汰了?
  14. CSS font-size字体相关
  15. 用HTML写一个消消乐代码
  16. 【精华】【学以致用】Django精华总结
  17. html5表单下拉列表样式,表单的各种下拉和样式大全
  18. 课程学习--英语口语--第1讲--英文演讲--马云在香港大学毕业致谢词
  19. git merge 用法
  20. 限流算法之计数器(一)

热门文章

  1. 交互式多模型算法IMM——机动目标跟踪中的应用
  2. C语言学生信息管理系统
  3. Jekins构建触发器Build Triggers:定时构建配置
  4. adobe 奥多比bridge extention等产品 “安装程序无法初始化。请下载Adobe Support Advisor检测该问题”
  5. ROS综合学习记录(一)---cmd_vel转换为阿克曼模型的速度变换
  6. UE_Visibility Buffer Deferred Material
  7. 苹果IOS开发常用的第三方库总结
  8. DHTML乌托邦:使用JavaScript和DOM的现代Web设计
  9. ubuntu 17.10 wifi 网速慢的解决办法
  10. 数据分析达人博客大全