【ML學習筆記】17：多元正態分佈下極大似然估計最小錯誤率貝葉斯決策

簡述多元正態分佈下的最小錯誤率貝葉斯 若是特徵的值向量服從d元正態分佈，即其機率密度函數爲： 即其分佈能夠由均值向量和對稱的協方差矩陣 惟一肯定。python 若是認爲樣本的特徵向量在類內服從多元正態分佈： 即對於每一個類i，具備各自的類內的均值向量和協方差矩陣。web 如以前所學，最小錯誤率貝葉斯的判別函數的原始形式是： 數組 類條件機率密度服從多元正態分佈，帶入，得： app 由於是比較大小用

>>阅读原文<<