Bayes分類器第七章課件_第1頁(yè)
Bayes分類器第七章課件_第2頁(yè)
Bayes分類器第七章課件_第3頁(yè)
Bayes分類器第七章課件_第4頁(yè)
Bayes分類器第七章課件_第5頁(yè)
已閱讀5頁(yè),還剩22頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、基于概率統(tǒng)計(jì)的bayes分類器一種經(jīng)典分類器第七章第1頁(yè),共27頁(yè)。貝葉斯的貢獻(xiàn) 1763年,貝葉斯首先將歸納推理法用于概率論基礎(chǔ)理論,并創(chuàng)立了貝葉斯統(tǒng)計(jì)理論,對(duì)于現(xiàn)代概率論和數(shù)理統(tǒng)計(jì)都有很重要的作用。 貝葉斯的另一著作機(jī)會(huì)的學(xué)說(shuō)概論發(fā)表于1758年,貝葉斯所采用的許多術(shù)語(yǔ)被沿用至今。他對(duì)統(tǒng)計(jì)推理的主要貢獻(xiàn)是使用了逆概率這個(gè)概念,并把它作為一種普遍的推理方法提出來(lái)。貝葉斯定理原本是概率論中的一個(gè)定理,這一定理可用一個(gè)數(shù)學(xué)公式來(lái)表達(dá),這個(gè)公式就是著名的貝葉斯公式。 第2頁(yè),共27頁(yè)。貝葉斯決策理論Bayes分類器基本概念一、兩類問(wèn)題例如:細(xì)胞識(shí)別問(wèn)題 1正常細(xì)胞,2異常細(xì)胞某地區(qū),經(jīng)大量統(tǒng)計(jì)獲先

2、驗(yàn)概率P(1),P(2)。若取該地區(qū)某人細(xì)胞x屬何種細(xì)胞 ,只能由 先驗(yàn)概率決定。第3頁(yè),共27頁(yè)。對(duì)x再觀察:有細(xì)胞光密度特征 ,有類條件概率密度: P(x/ ) =1,2,。如圖所示利用貝葉斯公式 :通過(guò) 對(duì)細(xì)胞的再觀察,就可以把先驗(yàn)概率轉(zhuǎn)化為后驗(yàn)概率,利用后驗(yàn)概率可對(duì)未知細(xì)胞x進(jìn)行識(shí)別 。貝葉斯決策理論第4頁(yè),共27頁(yè)。通過(guò) 對(duì)細(xì)胞的再觀察,就可以把先驗(yàn)概率轉(zhuǎn)化為后驗(yàn)概率,利用后驗(yàn)概率可對(duì)未知細(xì)胞x進(jìn)行識(shí)別 。第5頁(yè),共27頁(yè)。設(shè)N個(gè)樣本分為兩類1,2。每個(gè)樣本抽出n個(gè)特征, x =(x1, x2, x3, xn)T 1、判別函數(shù):若已知先驗(yàn)概率P(1),P(2),類條件概率密度P(x/

3、 1), P(x/ 2)。 則可得貝葉斯判別函數(shù)四種形式 :第6頁(yè),共27頁(yè)。2、決策規(guī)則:第7頁(yè),共27頁(yè)。 3、決策面方程: x為一維時(shí),決策面為一點(diǎn),x為二維時(shí)決策面為曲線,x為三維時(shí),決策面為曲面,x大于三維時(shí)決策面為超曲面。例:某地區(qū)細(xì)胞識(shí)別; P(1)=0.9, P(2)=0.1 未知細(xì)胞x,先從類條件概率密度分布曲線上查到:解:該細(xì)胞屬于正常細(xì)胞還是異常細(xì)胞,先計(jì)算后驗(yàn)概率:P(x/ 1)=0.2, P(x/ 2)=0.4第8頁(yè),共27頁(yè)。g(x)閾值單元 4、分類器設(shè)計(jì):判別計(jì)算特征向量決策第9頁(yè),共27頁(yè)。1.判別函數(shù):M類有M個(gè)判別函數(shù)g1(x), g2(x), gm(x)

4、。每個(gè)判別函數(shù)有上面的四種形式。 2.決策規(guī)則:另一種形式:二、多類情況:=(1,2,m),x=(x1,x2,xn)第10頁(yè),共27頁(yè)。二、多類情況:=(1,2,m),x=(x1,x2,xn) 3、決策面方程:4、分類器設(shè)計(jì):g1(x)Maxg(x)g2(x)gn(x)特征向量判別計(jì)算最大值選擇器決策第11頁(yè),共27頁(yè)。正態(tài)分布決策理論 一、正態(tài)分布判別函數(shù) 1、為什么采用正態(tài)分布: a、正態(tài)分布在物理上是合理的、廣泛的。 b、正態(tài)分布數(shù)學(xué)上簡(jiǎn)單,N(, ) 只有均值和方差兩個(gè)參數(shù)。 2、單變量正態(tài)分布: 第12頁(yè),共27頁(yè)。第13頁(yè),共27頁(yè)。3、(多變量)多維正態(tài)分布 (1)函數(shù)形式:第1

5、4頁(yè),共27頁(yè)。第15頁(yè),共27頁(yè)。判別函數(shù)類條件概率密度用正態(tài)來(lái)表示:第16頁(yè),共27頁(yè)。例、有訓(xùn)練集資料矩陣如下表所示,現(xiàn)已知,N=9、N1=5、N2=4、n=2、M=2,試問(wèn),X=(0,0)T應(yīng)屬于哪一類?解:假定二類協(xié)方差 矩陣不等(12) 則均值:訓(xùn)練樣本號(hào)k1 2 3 4 5 1 2 3 4 特征 x1特征 x21 1 0 -1 -1 0 1 0 -1 0 1 1 1 0-1 -2 -2 -2類別1 2第17頁(yè),共27頁(yè)。第18頁(yè),共27頁(yè)。第19頁(yè),共27頁(yè)。關(guān)于分類器的錯(cuò)誤率分析1、一般錯(cuò)誤率分析:第20頁(yè),共27頁(yè)。由此:錯(cuò)誤率為為圖中兩個(gè)劃線部分之和。BAYES公式表明每個(gè)

6、樣本所屬類別都使 最大,實(shí)際上使X錯(cuò)判的可能性達(dá)到最小。第21頁(yè),共27頁(yè)。最小風(fēng)險(xiǎn)Bayes分類器假定要判斷某人是正常(1)還是肺病患者(2),于是在判斷中可能出現(xiàn)以下情況:第一類,判對(duì)(正常正常) 11 ;第二類,判錯(cuò)(正常肺病) 21 ; 第三類,判對(duì)(肺病肺病) 22;第四類,判錯(cuò)(肺病正常) 12 。在判斷時(shí),除了能做出“是” i類或“不是” i類的動(dòng)作以外,還可以做出“拒識(shí)”的動(dòng)作。為了更好地研究最小風(fēng)險(xiǎn)分類器,我們先說(shuō)明幾個(gè)概念:第22頁(yè),共27頁(yè)。行動(dòng)i:表示把模式x判決為i類的一次動(dòng)作。損耗函數(shù)ii=(i/i)表示模式X本來(lái)屬于i類而錯(cuò)判為i所受損失。因?yàn)檫@是正確判決,故損失

7、最小。損耗函數(shù)ij=(i/j)表示模式X本來(lái)屬于j類錯(cuò)判為i所受損失。因?yàn)檫@是錯(cuò)誤判決,故損失最大。風(fēng)險(xiǎn)R(期望損失):對(duì)未知x采取一個(gè)判決行動(dòng)(x)所付出的代價(jià)(損耗)第23頁(yè),共27頁(yè)。條件風(fēng)險(xiǎn)只反映對(duì)某x取值的決策行動(dòng)i所帶來(lái)的風(fēng)險(xiǎn)。期望風(fēng)險(xiǎn)則反映在整個(gè)特征空間不同的x取值的決策行動(dòng)所帶來(lái)的平均風(fēng)險(xiǎn)。最小風(fēng)險(xiǎn)Bayes決策規(guī)則:在整個(gè)特征空間中定義期望風(fēng)險(xiǎn):條件風(fēng)險(xiǎn)(也叫條件期望損失):第24頁(yè),共27頁(yè)。第25頁(yè),共27頁(yè)。二類問(wèn)題: 把x歸于1時(shí)風(fēng)險(xiǎn): 把x歸于2時(shí)風(fēng)險(xiǎn):第26頁(yè),共27頁(yè)。Bayes分類的算法(假定各類樣本服從正態(tài)分布)1.輸入類數(shù)M;特征數(shù)n,待分樣本數(shù)m.2.輸入訓(xùn)練樣本數(shù)N和訓(xùn)練集資料矩陣X(Nn)。并計(jì)算

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論