3 第三章 参数估计与非参数估计.pdf

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
3 第三章 参数估计与非参数估计

第三章 参数估计与非参数估计 分类器 功能结构 • 参数估计与监督学习 • 参数估计理论 • 非参数估计理论 基于样本的Bayes分类器 :通过估计类条件 :通过估计类条件 概率密度函数,设计相应的判别函数 概率密度函数,设计相应的判别函数 基于样本直接确定判别函数方法 1 2 基于样本的Bayes分类器设计 基于样本的Bayes分类器设计 基于样本的Bayes分类器 p (x | ω)P (ω) • Bayes决策需要已知两种知识: P (ω | x) i i i ω ω ∑p (x | j )P ( j ) 样本分布的 – 各类的先验概率P(ω ) j i 训练 统计特征: 决策规则: – 各类的条件概率密度函数p(x |ω ) i 样本集 概率 判别函数 知识的来源:对问题的一般性认识或一些训练数据 密度函数 决策面方程 基于样本两步Bayes分类器设计 利用样本集估计P(ω )和p(x |ω ) i i • 最一般情况下适用的“最优”分类器:错误率最 基于上述估计值设计判别函数及分类器 小 ,对分类器设计在理论上有指导意义。 面临的问题: 如何利用样本集进行估计 • 获取统计分布及其参数很困难,实际问题中并不一 估计量的评价 定具备获取准确统计分布的条件。 利用样本集估计错误率 3 4 直接确定判别函数 §3-1 参数估计与监督学习 • 基于样本直接确定判别函数方法 : 一.参数估计与非参数估计 – 针对各种不同的情况,使用不同的准则函数,设计 出满足这些不同准则要求的分类器。 参数估计 : – 这些准则的“最优”并不一定与错误率最小相一致:

文档评论(0)

xxj1658888 + 关注
实名认证
内容提供者

教师资格证持证人

该用户很懒,什么也没介绍

领域认证该用户于2024年04月12日上传了教师资格证

1亿VIP精品文档

相关文档