2. Bayesin päätösteoria
2. Bayesin päätösteoria
2. Bayesin päätösteoria
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS<br />
34 / 99<br />
<strong>2.</strong>5.3. Tapaus Σi = mielivaltainen<br />
Kullakin luokalla on mielivaltainen kovarianssimatriisi, joten alkuperäisestä diskriminanttifunktiosta<br />
voidaan pudottaa pois vain termi (d/2)ln 2π . Pienen manipulaation<br />
jälkeen saadaan kvadraattinen (neliöllinen) muoto:<br />
gi( x)<br />
x t t<br />
= Wix + wix<br />
+ wi0<br />
, jossa<br />
W i<br />
1 – 1 – 1<br />
– --Σ<br />
1 t – 1<br />
=<br />
2 i , wi = Σi mi ja w --<br />
1<br />
i0 =<br />
– m<br />
2 iΣi<br />
mi – -- ln Σ<br />
2 i + ln P( ωi) Kaksiluokkaisessa ongelmassa päätöspinnat ovat hyperkvadreja (hyperquadrics):<br />
• hypertasot<br />
• hypertasoparit<br />
• hyperpallot<br />
• hyperellipsoidit<br />
• hyperparaboloidit<br />
• hyperhyperboloidit<br />
Jopa 1-ulotteisessa tapauksessa päätösalueet saattavat jakaantua moneen osaan:<br />
Seuraavilla sivuilla on esitetty lisää esimerkkejä päätöspinnoista.