模式识别随堂笔记（2）ᝰ统计决策方法

第二章引言https://blog.csdn.net/HS_Jack_ZZZ/article/details/126027282

一、模式识别的基本概念

二、复习条件概率

三、贝叶斯分类

四、贝叶斯决策

1.最小错误率贝叶斯决策

2.最小风险贝叶斯决策

>>>贝叶斯决策（贝叶斯公式，最小风险贝叶斯，最小错误贝叶斯）

五、两类错误率、Neyman-Pearson决策与ROC曲线

>>>两类错误率、Neyman-Pearson决策与ROC曲线

六、正态分布时的统计决策

连续型，不能取所有点，故用概率密度曲线

正态分布概率模型的优点：物理合理性、数学简单性

1.相关知识概述

1）二次型

2）正定二次型

3）单变量的正态分布

4）3σ规则

5）多变量的正态随机向量

2.正态分布的最小错误率贝叶斯决策

1）多类问题

2）两类问题

七、错误率的计算

八、混淆矩阵

>>>混淆矩阵图文

>>>TP、TN、FP、FN超级详细解析

九、马尔可夫模型

>>>马尔可夫模型详解

题外话

1.尝试一下？

飞桨https://aistudio.baidu.com/aistudio/competition?ad-from=m26天池https://tianchi.aliyun.com/

2.根据公式写算法，就像下面这个

朴素贝叶斯分类算法https://blog.csdn.net/weixin_47974364/article/details/124155206?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166245975616781790718392%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=166245975616781790718392&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-2-124155206-null-null.142%5Ev46%5Epc_rank_34_default_3&utm_term=%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%86%B3%E7%AD%96python%E4%BB%A3%E7%A0%81&spm=1018.2226.3001.4187

3.体感小游戏开发

unity，兵乓球

一个算法值500，熟练 / 精通20个算法的毕业生，月薪酬不低于1W

根据某模型得出的结论？

你们学过的所有东西都不会白学（才怪）