类条件概率密度_第1页
类条件概率密度_第2页
类条件概率密度_第3页
类条件概率密度_第4页
类条件概率密度_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

数学术语类条件概率密度01定义相关概念的区别相关概念目录0302基本信息类条件概率密度是，假定x是一个连续随机变量，其分布取决于类别状态，表示成p(x|ω)的形式，这就是“类条件概率密度”函数，即类别状态为ω时的x的概率密度函数（有时也称为状态条件概率密度）。所以类条件概率密度是数学中较常用的数学方法。定义定义类条件概率密度函数是指在已知某类别的特征空间中，出现特征值X的概率密度，指第类样品其属性X是如何分布的。假定只用其一个特征进行分类，即n=1，并已知这两类的类条件概率密度函数分布，如图1所示，概率密度函数是正常药品的属性分布，概率密度函数是异常药品的属性分布。例如，全世界华人占地球上人口总数的20%，但各个国家华人所占当地人口比例是不同的，类条件概率密度函数是指条件下出现X的概率密度，在这里指第类样品其属性X是如何分布的。在工程上的许多问题中，统计数据往往满足正态分布规律。正态分布简单、分析方便、参量少，是一种适宜的数学模型。如果采用正态密度函数作为类条件概率密度的函数形式，则函数内的参数，如期望和方差是未知的。那么问题就变成了如何利用大量样品对这些参数进行估计，只要估计出这些参数，类条件概率密度函数也就确定了。在大多数情况下，类条件密度可以采用多维变量的正态密度函数来模拟。

图1类条件概率相关概念先验概率贝叶斯公式相关概念贝叶斯公式贝叶斯分类器依据类条件概率密度和先验概率来判别样本工的类别属性，因此在构建分类器时需要估计出每个类别的先验概率，并且确定类条件概率密度。作为类条件概率密度的“概率模型”可以有很多种形式，这需要根据解决的具体问题来确定。高斯分布由于其形式简单、易于分析，并且在很多实际应用中能够取得较好的识别效果，因此常常被用来作为贝叶斯分类器的概率模型。

若已知总共有M类物体，以及各类在这n维特征空间的统计分布，具体来说是已知各类别，i=1，2，…，M的先验概率及类条件概率密度函数。对于待测样品，贝叶斯公式可以计算出该样品分属各类别的概率，叫做后验概率；看X属于那个类的可能性最大，就把X归于可能性最大的那个类，后验概率作为识别对象归属的依据。贝叶斯公式为类别的状态是一个随机变量．而某种状态出现的概率是可以估计的。贝叶斯公式体现了先验概率、类条件概率密度函数、后验概率三者关系的式子。先验概率先验概率针对M个事件出现的可能性而言，不考虑其他任何条件。例如，由统计资料表明总药品数为N，其中正常药品数为，异常药品数为，则我们称及为先验概率。显然在一般情况下正常药品占比例大，即>：仅按先验概率来决策，就会把所有药品都划归为正常药品，并没有达到将正常药品与异常药品区分开的目的。这表明由先验概率所提供的信息太少。

相关概念的区别相关概念的区别、、、的区别

①和是在同一条件X下，与出现的慨率，若>，则可以得到：在条件X下，事件w1出现的可能性比事件w2大。②与都是指各自条件下出现X的可能性，两者之间没有，比较两者没有意义。和是在不同条件下讨论的问题，即使只有两类与，+≠1。不能仅因为大于

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论