【机器学习】多元高斯分布下的贝叶斯分类感知器
2016-04-11 13:06
309 查看
先来来看看随机连续分布下贝叶斯分类器模型。假设当前要使用贝叶斯分类器进行二分类的判别,数据集有随机分布,图像如下:
现在定义代价函数J,其中p1和p2表示已知的二分类出现的先验概率,c11,c12,c21,c22表示对应的经验代价权重参数,这些参数看做常量,X是多元变量的向量形式,C是正态分布下多元变量之间的协方差矩阵,如果多元变量之间是独立的,那么协方差矩阵非对角线元素都是0。公式(Van Trees)有:
然后代入多元高斯分布下的条件概率密度函数,m是数据维度(特征数量)。此处只针对二分类,其中i=1,2:
这样高斯分布下的贝叶斯分类器就退化成了感知器,只需要判断y=wx+b是否大于0即可进行分类。
现在定义代价函数J,其中p1和p2表示已知的二分类出现的先验概率,c11,c12,c21,c22表示对应的经验代价权重参数,这些参数看做常量,X是多元变量的向量形式,C是正态分布下多元变量之间的协方差矩阵,如果多元变量之间是独立的,那么协方差矩阵非对角线元素都是0。公式(Van Trees)有:
然后代入多元高斯分布下的条件概率密度函数,m是数据维度(特征数量)。此处只针对二分类,其中i=1,2:
这样高斯分布下的贝叶斯分类器就退化成了感知器,只需要判断y=wx+b是否大于0即可进行分类。
相关文章推荐
- PopupWindow弹出框且背景变暗
- 跋涉不止(36)
- zoj3933 Team Formation 【费用流】
- HDOJ 2061 Treasure the new start, freshmen!
- rsyslog+loganalyzer系统日志分析系统(基础搭建)
- js中void(0)
- GET 和 POST的区别
- centos 下 mysql 安装配置
- 英文论文写作之讨论与结论Discussion and Conclusion
- jfinal取消默认跳转到view.jsp页面的方法
- OpenCV杂记02 MFC
- poj-1742 Coins(多重背包优化)
- Android开发自定义ListView解决在NestedScrollView里不能用listview的问题(ScrollView嵌套ListView的问题)
- LinqToSqlite
- 跨浏览器兼容事件处理
- Unity IOS横版游戏 SplashImage 闪屏旋转 成竖屏的问题
- <meta> 标签
- USACO-Section 3.4 Electric Fence (模拟)
- 虚拟机挂在光盘
- linux 防火墙打开端口/屏蔽IP等