damant的专栏

贝叶斯决策贝叶斯决策是解决模式分类问题的一种基本方法。贝叶斯公式为： ，其中x为特征值，wj为第j个类别。公式可以理解为：后验概率=条件概率密度*先验概率/证据因子。先验概率通常容易得到，而证据因子可以看成一个标量，因此问题的关键在于对条件概率密度的估计。高斯分布通常可以用高斯分布来估计条件概率密度，多元正态密度的形式为： ，x为一个d维列向量，u是d维均值向量，Σ是d*d的协方差矩阵。判别函数

一、简介 神经网络模型是一种模仿生物大脑的神经元连接，提出的一种计算模型。目前已在人工智能领域取得了广泛的应用。 下图为一个神经元的抽象模型，一个神经元接收来自其他神经元的信号，对信号进行加和后作一个激励，然后输出。 二、实现 原始数据共有30个，分为3类，每类10个： samples1=[ 1.58 2.32 -5.8; 0.67 1.58 -4.78; 1.04 1.01 -3