第一讲

image-20250101191943955

第二讲

image-20250101192208410

模式识别系统简例

image-20250101192540399

image-20250101192551978

image-20250101192609379

image-20250101192630504

image-20250101192639664

image-20250101192654621

模型评估方法

留出法 最土分两块

k折交叉验证

留一法就是数据量小的k折，只剩一个了

第三讲

  1. 贝叶斯公式及其在模式识别中的概念和意义

    image-20250101193959123

  2. 最小错误率贝叶斯决策

    image-20241210200635543

    image-20241210200653191

    image-20250101195207624

    有类条就调公式

    image-20250101195358672

    也可以先算后验

    image-20250101195827423

    image-20250101195902874

    最大似然估计的思想：根据一组属于类ωi 的已知样本，反推最具有可能（最大概率）的参数 θ

    image-20250101200101295

第四讲

多类情况判别

  1. $w_i/\overline{w_i}$ 就是 n 个 if-else，每个 if-else 只判断 i 类
  2. $w_i/w_j$ 需要 n(n - 1) / 2 个

广义线性判别函数

基本思想，会转换，将非线性判别函数转为广义线性判别函数。

image-20250101201441841

image-20250101201502811

第五章

image-20250101201600898

第六讲

决策树

image-20250101201815412

第七讲

image-20250101201917697

image-20250101202035000

image-20250101202133999

第八讲

为什么用卷积

答：有效捕捉图像的局部特征、减少参数数量、提取层次化特征，并具有平移不变性等优势

第九讲

image-20250101202518268

image-20250101202522355