高端网站建设内容,网站标题更换,做网站需要哪些素材,大学生毕业生旧书电商网站开发模式识别——高斯分类器 需知定义特殊情况#xff08;方差一致#xff09;Sigmoid 需知
所有问题定义在分类问题下#xff0c;基于贝叶斯决策
定义
条件概率为多元高斯分布#xff0c;此时观测为向量 X X 1 , X 2 , . . . , X n X{X_1,X_2,...,X_n} XX1,X2,...,Xn… 模式识别——高斯分类器 需知定义特殊情况方差一致Sigmoid 需知
所有问题定义在分类问题下基于贝叶斯决策
定义
条件概率为多元高斯分布此时观测为向量 X X 1 , X 2 , . . . , X n X{X_1,X_2,...,X_n} XX1,X2,...,Xn通过极大后验展开可以得到最优决策函数 决策函数可以写为 d d d就是马氏距离代表两个高斯分布之间的距离。而 α \alpha α则代表了类别的先验。
特殊情况方差一致
方差一致的话分类器就是线性的。 Sigmoid
使用原始的BDR定义可以推导出每个类别的概率概率为sigmoid函数原始定义考虑观测的边缘概率所以计算的就是概率概率和为1所以为sigmoid函数。而在决策时不考虑边缘概率约掉了归一化参数其实两者的判决边界仍然是相同的 协方差一致有唯一分界线 协方差不一致有两个分界线
