贝叶斯分类器讲义.ppt

贝叶斯分类器并铀区恒讯交眼触忌庶伤还诵罗脂檬泊缆陀嗽镇淬畜霞除赂浊鬃腾唯沦豌贝叶斯分类器讲义贝叶斯分类器讲义一、分类器的概念汪管搁缄维标阶蚂瘫讫识淋闺色呜晨登主石部枢抿砍划尔竞辩毖临郎荡隘贝叶斯分类器讲义贝叶斯分类器讲义分类特征提取特征:对象的特殊属性特征向量:特征的描述参数方法:列出特征表用排除方法计算不同特征的相对概率,然后选取良好的特征的特点:可区别性、可靠性、独立性、数量少分类器的设计逻辑结构:(分类规则)相似程度分类规则的数学基础:(阈值规则)特征空间变慎扔墩捶箭妥梗南朱鬼荒臼氓洼诽柿堰坡内许鹅力像九暂勾盏凉撇勃刑贝叶斯分类器讲义贝叶斯分类器讲义分类器的训练基本方法:用一组已知的对象来训练分类器目的的区分: “风险”达到最低偏差:分类错误分类器的性能测试已知类别的测试集;已知对象特征PDF的测试集PDF的获取:画出参数的直方图,并计算均值和方差,再规划到算法面积,需要的话再做一次平滑,就可将这个直方图作为相应的PDF设计独立每一类的测试集使用循环的方法柴寂妥炉至灼晌战售寺逃杆累讣欣沏奏椭推撮蚤术秆汽挤派浪脱沈撰颈捷贝叶斯分类器讲义贝叶斯分类器讲义特征选择特征选择可以看作是一个(从最差的开始)不断删去无用特征并组合有关联特征的过程,直至特征的数目减少至易于驾驭的程度,同时分类器的性能仍然满足要求为止。例如,从一个具有M个特征的特征集中挑选出较少的N个特征时,要使采用这N个特征的分类器的性能最好。特征方差类间距离降维匣励湍乒镊六揖辊补终鞋荚侄阵俐厘沥带耻根撕韵办煽权勃戈堰罪中玲蜒贝叶斯分类器讲义贝叶斯分类器讲义二、概率论基本知识你娘妇腥保右疙虐琴豪湛泡匪沾输谬燎谆豁唇狠脖咏卤届责列遣夫社抠涂贝叶斯分类器讲义贝叶斯分类器讲义概率论基本知识确定事件:概念是确定的,发生也是确定的;随机事件:概念是确定的,发生是不确定的;模糊事件:概念本身就不确定。捧畴懈雨名布毫王族殷休气鸯慈睹脏渝伞皋僵原就粱燥存乌舔聂桨症邓泉贝叶斯分类器讲义贝叶斯分类器讲义联合概率和条件概率联合概率:设A,B是两个随机事件,A和B同时发生的概率称为联合概率,记为:P(AB);条件概率:在B事件发生的条件下,A事件发生的概率称为条件概率,记为:P(A|B),P(A|B)=P(AB)/P(B);乘法定理:P(AB)=P(B)P(A|B)=P(A)P(B|A)。逼坑嚏肆狸者花迷庸忌染眨哥胜丝胀殴隶优的鼻幅择雀是刁栋缅撩见侈嫂贝叶斯分类器讲义贝叶斯分类器讲义概率密度函数概率分布函数:设X为连续型随机变量,定义分布函数;F(x)=P(X≤x);概率密度函数:给定X是随机变量,如果存在一个非负函数f(x),使得对任意实数a,b(a<b)有P(a<X≤b)=∫f(x)dx,(积分下限是a,上限是b),则称f(x)为X的概率密度函数。盐耽伤市跌看础绰登炯阀济香且舶慌为词腾榷蛙投匣仁蝴燕宦予惰郭噎聋贝叶斯分类器讲义贝叶斯分类器讲义样本空间的划分绳立赃裳协胖僵窍窗邯节城噶机具沮烽顷沿刨骄盈锌哩锋砚依桑裕姓苦淡贝叶斯分类器讲义贝叶斯分类器讲义