文档帮助中心
记录判别分析分类器的无条件概率密度
lp = logP (obj Xnew)
lp= logP (obj,Xnew)的每一行的无条件概率密度的日志Xnew,利用判别分析模型计算obj。
lp= logP (obj,Xnew)
lp
obj
Xnew
判别分析分类器,产生使用fitcdiscr。
fitcdiscr
矩阵,其中每一行表示一个观测值,每一列表示一个预测值。中的列数Xnew必须等于预测器的数量obj。
具有相同行数的列向量Xnew。的对应行的无条件概率密度的对数Xnew。
全部展开
构建一个判别分析分类器的费雪虹膜数据,并检查其预测平均测量。
加载Fisher的虹膜数据,构建一个默认的判别分析分类器。
负载fisheririsMdl = fitcdiscr(量、种类);
找出应用于平均虹膜的判别模型的对数概率。
logPAverage = logP (Mdl,意味着(量))
logPAverage = -1.7254
一个点的无条件概率密度x的判别分析模型是
P ( x ) = ∑ k = 1 K P ( x , k ) ,
在哪里P(x,k)为模型的条件密度x为类k时,类的总数为K。
有条件的密度P(x,k)是
P(x,k)=P(k)P(x|k),
在哪里P(k)为类别的先验概率k,P(x|k)为的条件密度x给定类k。多元正态函数的条件密度函数d的意思是μk和d——- - - - - -d协方差Σk在1 -d点x是
P ( x | k ) = 1 ( ( 2 π ) d | Σ k | ) 1 / 2 经验值 ( − 1 2 ( x − μ k ) Σ k − 1 ( x − μ k ) T ) ,
在哪里 | Σ k | Σ的行列式吗k, Σ k − 1 是逆矩阵。
CompactClassificationDiscriminant|fitcdiscr|泰姬陵
CompactClassificationDiscriminant
泰姬陵
您的系统上有此示例的修改版本。你想打开这个版本吗?
您点击了对应于以下MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在可用的地方获得翻译内容,并查看当地的活动和优惠。根据您的位置,我们建议您选择:。
您也可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系