模式识别学习笔记(十六)--非线性分类器
来源:互联网 发布:java生成json数组 编辑:程序博客网 时间:2024/05/16 08:32
前面的学习中,我们学习了有关线性分类器的相关知识,但是要知道,很多情况下我们并不能保证类别间的分类面是线性的(线性是最简单的情况),而且许多复杂问题中,可能采用非线性分类器更适合问题的解决;因此接下来开始,继续学习有关非线性分类器的东西,必要时可以跟前面线性分类器进行一个总体的比较,帮助加深印象。
常用的非线性分类器主要有两大类:基于判别函数的和非基于判别函数的;
基于设计判别函数的非线性分类器有:
1)分段线性分类器:基于非线性函数可以由多段线性函数来拟合和逼近的思想,如分段线性距离分类器,即多个最小距离分类器的组合,其中所谓的最小距离分类器,就是在先验概率相等,各维特征独立且方差相等条件下的最小错误率贝叶斯决策,思路很简单,就是以两类的均值为中心点,离谁的中心点近就讲新样本给到哪一类;
2)二次判别函数:如正态分布下的贝叶斯决策面,就是二次函数;
3)多层感知器:这是一种神经网络(NN)的思想,由多个感知器的组合;
4)SVM:前面已经学习了最优超平面,即线性的SVM,这里所说的主要是非线性的SVM;
5)核函数法:自然会想到前面学习的Fisher线性判别,没错,这里的核函数法就包括Fisher判别的非线性推广;但是这里的核函数法的灵感出现,主要来源于SVM中两个核心思想:大间隔和核函数,借用这两个思想,人们对传统的线性函数做了具体改变,就形成了核函数法,或叫做核方法;
非基于设计判别函数的非线性分类器有:
1)近邻法:如最近邻,压缩近邻等;
2)决策树
3)随机森林
4)罗杰斯特回归,又叫逻辑回归(Logistic regression)
5)Boosting方法
0 0
- 模式识别学习笔记(十六)--非线性分类器
- 模式识别(三)非线性分类器
- [模式识别].(希腊)西奥多里蒂斯<第四版>笔记4之__非线性分类器
- 分类器(模式识别)
- 模式识别分类器学习(一)
- 模式识别分类器学习(二)
- 模式识别(Pattern Recognition)学习笔记(七)——线性分类器及线性判别函数
- 模式识别(Pattern Recognition)学习笔记(十三)--多类线性分类器
- 模式识别(Pattern Recognition)学习笔记(七)——线性分类器及线性判别函数
- 模式识别(Pattern Recognition)学习笔记(十三)--多类线性分类器
- 模式识别(Pattern Recognition)学习笔记(二十六)--k近邻
- 模式识别学习笔记(一)
- 非线性分类器---非线性转换解决非线性分类问题
- 模式识别 学习笔记:第四章 线性分类器 (持续更新中。。。)
- 学习笔记(十六)
- OpenCV的分类器(模式识别)
- 模式识别(二)线性分类器
- 模式识别2-线性分类器(最小二乘法)
- 如何暂停和恢复CALayer上的动画
- Oracle EXP-00091解决方法
- hdu-2037-今年暑假不AC-简单DAG
- 等价二叉树
- Kvm启动ubuntu虚拟机无法ssh
- 模式识别学习笔记(十六)--非线性分类器
- BZOJ 1588 营业额统计 Splay
- android中设置ListView的选中的Item的背景颜色
- 字符串函数原型
- android安全退出所有activity
- CSS3创建H5预载动画效果
- 快速幂
- 稳定排序和不稳定排序
- android intentFilter 匹配规则