电子科技大学研究生《模式识别与机器学习》课程 第6讲近邻法与Logist回归 Nearest Neighbors Logist Regression 郝家胜(Jiasheng Hao) Ph.D.,Associate Professor Email:hao@uestc.edu.cn School of Automation Engineering,Center for Robotics University of Electronic Science and Technology of China,Chengdu 611731
电子科技大学研究生《模式识别与机器学习》课程 Email: hao@uestc.edu.cn School of Automation Engineering, Center for Robotics University of Electronic Science and Technology of China, Chengdu 611731 郝家胜 (Jiasheng Hao) Ph.D., Associate Professor 第6讲 近邻法与Logist回归 Nearest Neighbors & Logist Regression
引言 线性判别函数：简单、实用、经济，但线性不可分时错误率可能较大 噪声影响 问题线性不可分 采用非线性分类器 问题本身 新特征 改变特征，使线性可分 非线性变换 本章介绍几种非线性分类器：分段线性，神经网络和支持问量机
引言 本章介绍几种非线性分类器：分段线性,神经网络和支持向量机
回顾：最小距离分类器 。它将各类训练样本划分成若干子类 。并在每个子类中确定代表点 。用子类的质心或邻近质心的某一样本为代表点 测试样本的类别测以其与这些代表点距离最 近作决策 缺点： 。所选择的代表点并不一定能很好地代表各类，其 后果将使错误率增加 3
回顾：最小距离分类器 3
回顾：最小距离分类器 最小距离分类器 。每个类别只有一个”代表点” X g(x)=0 4
4 回顾：最小距离分类器
回顾：最小距离分类器 基于距离的分段线性函数 ■每个类别用多个”代表点”表示 1：钱性距离判别 Ⅱ：分段线性距离判别 5
5 回顾：最小距离分类器