貝葉斯分類器是一種最優(yōu)分類器，它假設(shè)基于可獲得的信息可以建立類別的概率密度函數(shù)，然后基于最小錯誤率分類準則進行分類。一般假設(shè)概率密度函數(shù)是正態(tài)分布，因為正態(tài)分布數(shù)學基礎(chǔ)較好。問題就轉(zhuǎn)化為正態(tài)分布參數(shù)的估計問題。幸運的是，參數(shù)估計問題已經(jīng)被很好的解決了。
基于正態(tài)分布的協(xié)方差的不同，正態(tài)概率分布型的貝葉斯分類器可分為：歐式距離分類器、馬氏距離分類器、線性判別分析、對角線性判別分析、二次判別分析和對角二次判別分析。
在具有模式的完整統(tǒng)計知識條件下，按照貝葉斯決策理論進行設(shè)計的一種最優(yōu)分類器。分類器是對每一個輸入模式賦予一個類別名稱的軟件或硬件裝置，而貝葉斯分類器是各種分類器中分類錯誤概率最小或者在預(yù)先給定代價的情況下平均風險最小的分類器。它的設(shè)計方法是一種最基本的統(tǒng)計分類方法。
目標：編程實現(xiàn)正態(tài)概率分布型的貝葉斯分類器。
標簽：
分類器
貝葉斯
上傳時間：
2014-01-05
上傳用戶：葉山豪
