模式识别1——朴素贝叶斯分类器

 

 

本人研究的是脑控手功能康复机器人方向，但是由于最近需要对EEG信号进行分类，所以利用各种分类器进行分类。分类器有很多，这次介绍朴素贝叶斯分类器，网上有很多资料，个人感觉不足的地方就是每个介绍只是侧重其中一方面，因此我对朴素贝叶斯分类进行了原理、算法进行全面介绍，后续还会介绍例子和程序。

一、贝叶斯分类器原理

 

如果P（w1|x）〉P（w2|2），则x属于w1，否则属于w2；

二、贝叶斯分类器算法

 

其中需要格外注意的是分类的特征可以是连续的，也可能是离散的，如果是离散的可以直接通过训练

样本估计出类条件概率，如果是连续的，通常假定其值服从高斯分布（也称正态分布）。即：

 

 

 

  因此只要计算出训练样本中各个类别中此特征项划分的各均值和标准差，代入上述公式即可得到需要的估计值。

转载于:https://www.cnblogs.com/wuhongjian/p/8708792.html