貝葉斯分類器是一種最優(yōu)分類器，它假設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先給定代價的情況下平均風險最小的分類器。它的設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
