- 1、本文档共13页,可阅读全部内容。
- 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、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、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)