摘要：
传送门： "第一章笔记" "第二章笔记" "第三章笔记" "第四章笔记" 阅读全文
摘要：
贝叶斯决策与学习 贝叶斯决策与Map分类器 后验概率 贝叶斯规则 Map分类器 Map分类器决策边界 Map分类器：高斯观测概率 观测概率：单维高斯分布 高斯观测概率：决策边界 当 当 Map分类器解决了MICD分类器存在的问题：方差不同时，倾向于方差较小的一类 观测概率：高维高斯分布 决策风险与贝 阅读全文
摘要：
基于距离的分类器 MED分类器 定义：把测试样本到每个类之间的距离作为决策模型，将测试样本判定为与其距离最近的类 类的原型问题： 均值： 最近邻 距离度量方式： Med分类器： 决策边界方程： 特征白化 目的：去除特征相关性 特征解耦： 将协方差矩阵对角化 MICD分类器 决策边界 阅读全文
摘要：
线性判据与回归 线性判据基本概念 生成模型 判别模型 优势：快速、直接省去了耗时的高维观测似然概率估计 最简单的判别模型 线性判据 定义： 数学表达： 决策边界方程： 任意样本到决策边界的距离： 线性判据学习概述 目标函数 约束条件 并行感知机算法 预处理 几何解释 目标函数 梯度下降法 参数更新 阅读全文
摘要：
模式识别基本概念 什么是模式识别 模式识别：根据已有知识的表达，针对待识别模式，判别决策其所属的类别或者预测其对应的回归值 模式识别本质上是推理的过程。 模式识别数学表达 数学解释：模式识别可以看做一种函数的映射，将待识别模式x从输入空间映射到输出空间 模型的概念 模型：已有知识的表达式 y=f(x 阅读全文