貝葉斯決策理論與統(tǒng)計(jì)判別方法2PPT學(xué)習(xí)教案

1、會(huì)計(jì)學(xué)1 貝葉斯決策理論與統(tǒng)計(jì)判別方法貝葉斯決策理論與統(tǒng)計(jì)判別方法2PPT課課 件件 第1頁(yè)/共54頁(yè) 第2頁(yè)/共54頁(yè) 第3頁(yè)/共54頁(yè) 第4頁(yè)/共54頁(yè) A univariate normal distribution has roughly 95% of its area in the range |x | 2, as shown. The peak of the distribution has value p() = 1/2. 第5頁(yè)/共54頁(yè) 第6頁(yè)/共54頁(yè) 其中i, i分別是對(duì)及的具體化。 第7頁(yè)/共54頁(yè) 第8頁(yè)/共54頁(yè) 第9頁(yè)/共54頁(yè) Samples drawn fro

2、m a two-dimensional Gaussian lie in a cloud centered on the mean . The ellipses show lines of equal probability density of the Gaussian. 第10頁(yè)/共54頁(yè) 兩個(gè)二元正態(tài)分布的各個(gè)分量相同,(即期望(1和2)方差1 和2都相同),但這兩個(gè)特征向量在空間的分布卻不相同 第11頁(yè)/共54頁(yè) 第12頁(yè)/共54頁(yè) 二維向量的協(xié)方差矩陣 第13頁(yè)/共54頁(yè) 第14頁(yè)/共54頁(yè) 第15頁(yè)/共54頁(yè) 第16頁(yè)/共54頁(yè) 第17頁(yè)/共54頁(yè) The action of a l

3、inear transformation on the feature space will convert an arbitrary normal distribution into another normal distribution. A, takes the source distribution into distribution N(At,AtA) a projection P onto a line defined by vector aleads to N(, 2) measured along that line A whitening transform, Aw , le

4、ads to a circularly symmetric Gaussian 第18頁(yè)/共54頁(yè) 如果 則Xi 第19頁(yè)/共54頁(yè) 第20頁(yè)/共54頁(yè) 第21頁(yè)/共54頁(yè) 2 2 0 0 i 第22頁(yè)/共54頁(yè) 第23頁(yè)/共54頁(yè) 判別函數(shù)為一線性函數(shù)判別函數(shù)為一線性函數(shù) 第24頁(yè)/共54頁(yè) Wi-j 第25頁(yè)/共54頁(yè) 第26頁(yè)/共54頁(yè) 一維特征 第27頁(yè)/共54頁(yè) 二維特征 第28頁(yè)/共54頁(yè) 三維特征 第29頁(yè)/共54頁(yè) Wi-j Wi-j 第30頁(yè)/共54頁(yè) 一維特征 第31頁(yè)/共54頁(yè) 二維特征 第32頁(yè)/共54頁(yè) 三維特征 第33頁(yè)/共54頁(yè) 第34頁(yè)/共54頁(yè) 第35頁(yè)/共54頁(yè) 第36頁(yè)/共54頁(yè) 在二維特征空間的情況 第37頁(yè)/共54頁(yè) 第38頁(yè)/共54頁(yè) 判別函數(shù)為一線性函數(shù)判別函數(shù)為一線性函數(shù) 第39頁(yè)/共54頁(yè) 第40頁(yè)/共54頁(yè) 二維下的決策面方程 第41頁(yè)/共54頁(yè) 二維下的決策面方程 第42頁(yè)/共54頁(yè) 三維下的決策面方程 第43頁(yè)/共54頁(yè) 第44頁(yè)/共54頁(yè) 第45頁(yè)/共54頁(yè) 第46頁(yè)/共5