模式识别基础与贝叶斯分类方法.pdfVIP

先验概率：在总体中，每类的可能性、、

类条件概率分布：每一类中，观测值的分布

后验概率：观测值为x，属于w类的可能性

基本概念

迎面过来了一个人。我们可以判断这是一个人，但是

要想学好模式识别，就先忘记自己是个人，暂时把自

己当计算机。

根据头发的长度来判断

现在我们班上人，那么观察每个人的头发长度。

然后计算机就会错判，是吧。

分类器R语言程序（例子）

x-5

pw1-0

pw2-0

p_of_x_w1-dnorm(x,mean=6sd=0

p_of_x_w2-dnorm(x,mean=7.015625,sd=0

pw1x-(p_of_x_w1*pw1)/(p_of_x_w1*pw1+p_of_x_w2*pw2)

pw2x-(p_of_x_w2*pw2)/(p_of_x_w1*pw1+p_of_x_w2*pw2)

if(pw1xpw2x){print(yes)}else{print(no)}

x=5;

pw1=0

pw2=0

p_of_x_w1=dnorm(x,mean=6sd=0

p_of_x_w2=dnorm(x,mean=7.015625,sd=0

pw1x=(p_of_x_w1*pw1)/(p_of_x_w1*pw1+p_of_x_w2*pw2)

pw2x=(p_of_x_w2*pw2)/(p_of_x_w1*pw1+p_of_x_w2*pw2)

if(pw1xpw2x){

print(yes)

}

else{

print(no)

}

不给力就在于

假设出了问题

放到社会，头发判男女准确率可以达到60%、还

是不会挂了。

放到古代，没有准确率可言，简直弱爆了。

（背影判断是否）经典案例:《唐伯虎点秋香》

损失决策实际状态

(,w)

i,jij

i1,...,a

j1,...,c

风险、损失

碰到如花的风险、、、、

做四六级的时候，四个、、、带来的损失

真

实类别ωωω

123

决策

λ(αλ(αλ(α11

αω)ω)ω)

11,1,2,3

λ(αλ(αλ(α22

αω)ω)ω)

22,1,2,3

条件风险、、、期望风险、、、

先举个例子，，再来概念、、、