模式识别入门与贝叶斯决策理论
来源:互联网 发布:最新网络流行词2016 编辑:程序博客网 时间:2024/05/22 20:12
关键词:监督模式和非监督,马氏距离,bayes决策理论
1.监督模式识别和非监督模式识别的区别
监督学习(supervised pattern recognition):已知要划分的类别,并且能够获得一定数量的类别已知的训练样本。
非监督学习(unsupervised pattern recognition):事先不知道划分的是什么类别,更没有类别已知的样本做训练。
说白了就是给你数据和label就是监督的,没有label只有数据就是非监督的。
2.一般的模式识别问题分为4部分:原始数据的获取和预处理,特征提取和选择、分类或者聚类、后处理。
处理监督模式识别问题的一般步骤:
- 分析问题
- 原始特征获取
- 特征提取和选择
- 分类器的设计(训练)
- 分类决策(识别)
非监督问题:
- 分析问题
- 原始特征获取
- 特征提取和选择
- 聚类分析
- 结果揭示
bayes决策理论
最小错误率贝叶斯决策:
从最小错误了处罚,利用概率论中的贝叶斯公式,就能的初始错误率最小的分类决策。
有多种等价形式如:
或者:
一般:
最小贝叶斯风险决策:
考虑各种错误造成损失不同时的一种最优策略。
(1)把样本x看做d为随即向量
(2)状态空间
(3)对随即向量x可能采取的决策组成了决策空间,它由k个决策组成
(4)对于实际状态为
每个决策的的期望损失为:
在的的特征空间中所有可能的样板恩x才去决策所造成的期望损失是:
最小风险贝叶斯决策就是最小化这一期望风险:
Neyman Pearson决策规则
限定一类错误率为常数,而使另一类错误率最小的决策规则称作NeymanPearson准则
朴素贝叶斯分类器(Naive Bayes)
马氏距离
优点:它不受量纲的影响,两点之间的马氏距离与原始数据的测量单位无关;由标准化数据和中心化数据(即原始数据与均值之差)计算出的二点之间的马氏距离相同。马氏距离还可以排除变量之间的相关性的干扰。缺点:它的缺点是夸大了变化微小的变量的作用。
- 模式识别入门与贝叶斯决策理论
- 模式识别简介&贝叶斯决策理论
- 算法讲解—【3】—模式识别简介&贝叶斯决策理论
- 模式识别读书笔记1 基于贝叶斯决策理论的分类器
- 贝叶斯决策-模式识别
- 模式识别学习笔记之五:贝叶斯决策理论方法所讨论的问题
- [模式识别].(希腊)西奥多里蒂斯<第四版>笔记2之__基于贝叶斯决策理论的分类器
- 模式识别(一)贝叶斯决策理论和未知概率密度函数估计
- 贝叶斯决策理论
- 贝叶斯(Bayes)决策理论
- 贝叶斯(Bayes)决策理论
- 贝叶斯(Bayes)决策理论
- 贝叶斯决策理论
- 贝叶斯决策理论
- 贝叶斯决策理论
- 贝叶斯决策理论
- 贝叶斯决策理论
- 贝叶斯(Bayes)决策理论
- Android WebView H5开发问题
- 解决jfreechart中文乱码,以及字体模糊,设置主题问题
- CAS和Shiro在spring中集成
- 我的bashrc,留而利值(不定期更新)
- solr 4.7.2 环境搭建
- 模式识别入门与贝叶斯决策理论
- 【LeetCode #179】Largest Number 解题报告
- 浅谈Autolayout之Masonry
- Android一分钟环境搭建,包含Mac、Linux、Windows
- UVa 11292 The Dragon of Loowater 勇者斗恶龙
- valgrind跟踪fork出的子进程-debug调试
- 解决安卓点击图片跳转时候的蓝色边框问题
- sap 去掉小数位没用的0
- uva 1103 详解