概率密度函数的估计new.PPTVIP

第3章 概率密度函数估计 3.1 引言 3.2 参数估计的基本概念 3.3 最大似然估计 3.4 贝叶斯估计与贝叶斯学习 3.5 两种估计方法的比较 3.6 错误率的估计问题 3.7 讨论 第3章 概率密度函数估计 3.2.1 最大似然估计 3.2.1 最大似然估计 3.2.贝叶斯估计和贝叶斯学习 3.4.1 非监督最大似然估计中的几个问题 3.4.1 非监督最大似然估计中的几个问题 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 第3章 概率密度函数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 第3章 概率密度函数估计 3.5.3 kN近邻 估计 第3章 概率密度函数估计 3.5.3 kN近邻估计 第3章 概率密度函数估计 3.6 关于分类器错误率的估计问题 分类器错误率计算问题更多的是依赖于试验,利用样本来估计错误率。分为两种情况: （1）对于已设计好的分类器，利用样本来估计错误率。这种只用来估计分类器错误率的样本集为检验（样本）集或考试（样本）集。 （2）对于未设计的好的分类器，需要将样本分成两部分：设计集和检验集。分别用来设计分类器和估计错误率。用来估计分类器的样本集为设计（样本）集。 第3章 概率密度函数估计 3.6.1 关于已设计好分类器时错误率的估计问题 利用样本来估计错误率，直观上可以认为在N个考试样本中错分的样本数越多，则错误率越大 。因此可用错分样本数与总考试样本数的比作为错误率的估计。 需要进一步回答的问题： （1）这种估计是最好的估计吗？ （2）如果是，估计量的性质如何？ （3）当考试样本数增加时，估计结果有所改善吗？表现在什么地方？ 第3章 概率密度函数估计 3.6.1 关于已设计好分类器时错误率的估计问题 第3章 概率密度函数估计 3.6.1 关于已设计好分类器时错误率的估计问题 第3章 概率密度函数估计 3.6.1 关于已设计好分类器时错误率的估计问题 第3章 概率密度函数估计 3.6.1 关于已设计好分类器时错误率的估计问题 3.1 引言 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 3.2 参数估计 第3章 概率密度函数估计 3.5.1 基本方法 第3章 概率密度函数估计 3.5.1 基本方法 第3章 概率密度函数估计 3.5.1 基本方法 第3章 概率密度函数估计 3.5.1 基本方法 第3章 概率密度函数估计 3.5.1 基本方法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parzen窗法 第3章 概率密度函数估计 3.5.2 Parze