再来一次

Bayes 分类器 本质上是对样本在每个类内的分布做了假设。 下面不妨假设： 二分类 ω1,ω2\omega_1,\omega_2ω1​,ω2​; 两类 类内 均满足正态分布，即 x∣ω1∼N1(μ1,σ1),x∣ω2∼N2(μ2,σ2)x|\omega_1\sim N_1(\mu_1, \sigma_1), x|\omega_2\sim N_2(\mu_2, \sigma_2)x∣ω1​∼N1​(μ1​,σ1​),x∣ω2​∼N2​(μ2​,σ2​). 可以理解为确定下图中的分界线 x0x_0x0​. 根据假设，我们可以立刻确定，某个样本 xxx 在类内的概率 P(x∣ω1),P(x∣ω2)P(x|\omega_1),P(x|\omega_2)P(x∣ω1​),P(x∣ω2​) 是正态的（参数后面才确定）。 进一步，如果训练集已知（这个总不能未知吧…），还可以求出两类分别的均值和方差（作为上面正态分布的参数），以及样本空间中两类的概率 P(ω1),P(ω2)P(\omega_1),P(\omega_2)P(ω1​),P(ω2​)（通过训练集中的频率确定）。 最小错误率 很...

线性分类器 线性判别函数 一般形式： g(x)=∑wixi+w0=wTx+w0g(x) = \sum w_i x_i + w_0 = \mathbf{w}^T\mathbf{x} + w_0 g(x)=∑wi​xi​+w0​=wTx+w0​ wiw_iwi​ 为加权因子，w0w_0w0​ 为阈值权。 常用 g=wTx+w0g=\mathbf{w}^T\mathbf{x}+w_0g=wTx+w0​ 简化表示。 二分类中用线性判别函数 ggg，规则为： g<0→ω1g<0\to\omega_1g<0→ω1​. g>0→ω2g>0\to\omega_2g>0→ω2​. 则判别平面即 g=0g=0g=0. 或采用增广矩阵：y=⟨1∣x⟩\mathbf y=\lang 1\mid\mathbf x\rangy=⟨1∣x⟩，因此可以把它简化成 aTya^TyaTy. a=⟨w0∣w⟩a=\lang w_0\mid\mathbf{w}\ranga=⟨w0​∣w⟩ 为增广权向量。在增广空间中 aTy=0a^Ty=0aTy=0 确定一个过原点的分类面...

绪论 人类太强大了。因此模仿人类识别的过程。 概念 模式（Pattern）：人类将客观事物分成相似又不相同的个体组成的集合或类别的过程中，这些个体客观事物称为 模式。即被分类的对象。 分类（Classification）：将模式划分到几个指定类别之一的过程。 模式识别（Pattern Recognition）：对模式进行描述、分类、解释的过程。本质上分类就是模式识别。 应当用计算机进行识别。效率高、速度快、可量化。 模式识别和模式识别的关系：模式识别是 AI 的理论基础；是 AI 的一个重要分支。 主要研究方向 基础理论：模式表示与分类、机器学习等。 视觉信息处理：图像处理和 CV. 语音语言信息处理：语音识别、NLP、机器翻译等。 各种数据分析优化：飞行器要测信号分析、结构设计优化、工况环境感知等。 模式识别系统基本框架 系统框架包括训练过程和识别过程。 训练过程：已知样本 -> 特征提取和选择 -> 分类器设计 识别过程：未知样本 -> 特征计算 -> 分类决策 -> 分类结果。 样本和样本集：被分类的模式及其总体。 类别：样本空间上定义的子集（...

乎上看到的有趣问题。

。

苏联不只有捆绑带师 UR700 和暴力燃气灶 N1，也有超越时代的黑科技……

第六篇惹！继续和内存玩~ 然后也是时候结束 loader 让她正式加载内核了 owo

很玄学的博弈论ww

复健失败…… 码力为 0 qaq

C 写矩阵快速幂好难受……