增广样本向量y与增广权向量a22IPL-Read.PPTVIP

模式识别  Pattern Recognition 第四章 线性判别函数 内容目录 4.1 引言 基于样本的Bayes分类器：通过估计类条件概率密度函数，设计相应的判别函数 决策边界的估计 Classification is viewed as “learning good decision boundaries” that separate the examples belonging to different classes in a data set. 决策边界的估计 Specify a parametric form of the decision boundary (e.g., linear or quadratic) . Find the “best” decision boundary of the specified form using a set of training examples. This is done by minimizing a criterion function e.g., “training error” (or “sample risk”) 直接确定判别函数 基于样本的直接确定判别函数方法： 设定判别函数形式，用样本集确定参数。 使用准则函数，表达分类器应满足的要求。 这些准则的“最优”并不一定与错误率最小相一