L03-模式识别-概率密度函数的估计.pptVIP

下载本文档

1
0
约小于1千字
约 42页
2019-05-24 发布于江西
举报
版权申诉

L03-模式识别-概率密度函数的估计.ppt

1、原创力文档（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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第三章概率密度函数的估计回顾贝叶斯分类方法分类方法的真实情况分类器设计通常包括两个步骤参数估计方法最大似然估计(ML) 假设待估计的参数为确定量，只是值未知估计方式使产生训练样本的概率最大的参数值作为参数的最佳估计贝叶斯估计假设将待估计的参数视为复合某种先验分布的随机变量估计方式通过观测样本，将先验概率密度通过贝叶斯规则转化为后验概率密度参数估计方法最大似然估计与贝叶斯估计的关系最大似然估计通常比贝叶斯估计简单最大似然估计给出了参数值，而贝叶斯估计给出了参数值的分布当观测数据很多时，先验知识的作用被消弱，贝叶斯估计可退化为最大似然估计最大似然估计似然函数和对数似然函数最大化问题最大化问题 ML估计-高斯情况：u未知贝叶斯估计 * * *