模式识别第三章：类条件概率密度估计方法及其应用.pdfVIP

习题

•类条件概率密度估计的两种主要方法

和。

•类条件概率密度估计的非参数估计有两种

主要的方法和。它

们的基本原理都是基于样本对分布的

原则。

•如果有N个样本，可以计算样本邻域的体积

V，然后获得V中的样本数k，那么

P(x)=。

•假设正常细胞和癌细胞的样本的类条件概率服从多元正态

p(x|)N(μ,)i1,2

分布iii，使用最大似然估计方

法，对概率密度的参数估计的结果为。

•证明：使用最大似然估计方法，对一元正态概率密度的参

数估计的结果如下：

1N

x

ˆ

1k

Nk1

2N

1

ˆ2

2N(xk−)

k1

例题：

•已知5个样本和2个属性构成的数据集中，w1类有3个样本，

w2类有两个样本。如果使用贝叶斯方法设计分类器，需要

获得各类样本的条件概率分布，现假设样本服从多元正态

分布p(x|)N(μ,)i1,2，则只需获得分布的参

iii

数均值向量和协方差矩阵即可，那么采用最大似然估计获

得的w1类的类条件概率密度均值向量为,以及

协方差矩阵为。

属性1属性2类别

12W1

14W1

43W1

24W2

26W2

计算机求解：计算样本均值向量

和协方差矩阵

已知y-matrix(c(1,1,4,2,4,3),3,2)

计算均值向量apply(y,2,mean)

得到结果为23

用cov(y)*2/3计算样本协方差矩阵得：

[,1][,2]

[1,]20.0000000