某城市细胞识别中两类先验概率分别为:正常状态:P(ω1)=0.9;异常状态:P(ω2)=0.1。一系列观察值为x的待观察细胞: P(x▏ω1)P(x▏ω2)类条件概率分布正态分布分别为(-2,0.25)(2,4)。决策表为λ11=0,λ12=6,λ21=1,λ22=0。用最小风险贝叶斯分类器分为1和2两类。
已知样本集呈现正态分布,采用基于最小错误率的贝叶斯决策方法,编程待定样本x=(2,0)T的类别,并画出分界线。
最新试题
基于数据的方法适用于特征和类别关系不明确的情况。
测试集的样本数量越多,对分类器错误率的估计就越准确。
下面关于超平面的说法中正确的是()。
k-近邻法中k的选取一般为偶数。
ID3方法的目的是降低系统信息熵。
分级聚类又叫层次聚类,需要构建聚类树。
当各类的协方差矩阵相等时,分类面为超平面,并且与两类的中心连线垂直。
过拟合不会影响分类模型的泛化能力。
神经网络的模型受到哪些因素的影响?()
特征提取不仅可以降低特征空间的维度,还可以消除特征之间的相关性。