Matlab 中的最大似然比决策
Maximum Likelyhood ratio Decision in Matlab
我面临这个问题：我有两组随机数据（双精度数组 data1 和 data2），我还有另一个随机数据点（单双值 dataI).
我如何估计 dataI 更属于 data1 或 data2 集合？
为了解决这个问题，您必须对生成这两个数据集的过程做出一些假设。最简单的是每个数据集都取自高斯分布，每个分布具有不同的均值和方差。根据您对问题的了解，做出其他假设是完全合理的。如果您对问题说得更多，我们可以提供帮助。
class（即哪一组）概率p(c_i|x)正好p(x|c_i) p(c_i)/(p(x|c_1) p(c_1) + p(x|c_2) p(c_2))。在高斯假设下，p(x|c_i) 就是 G(x;mu_i, sigma_i)，其中 G 是高斯密度函数。您可以将每个组的均值和方差估计为样本均值和样本方差。 p(c_i) 是 class 先验，即每个 class 中数据的比例。
在为每个 class（其中 i = 1 或 i = 2）计算 p(c_i|x) 之后，您可以确定 x 来自具有最大p(c_i|x)。这基本上是假设 class 的错误 class 化造成的损失或成本相等。如果存在不同的 misclassification 成本，您可以应用成本矩阵并以最低预期成本进行分配。如果你有兴趣，我可以解释一下。
"mixture modeling" 的一般主题与此处相关。
我面临这个问题：我有两组随机数据（双精度数组 data1 和 data2），我还有另一个随机数据点（单双值 dataI).
我如何估计 dataI 更属于 data1 或 data2 集合？
为了解决这个问题，您必须对生成这两个数据集的过程做出一些假设。最简单的是每个数据集都取自高斯分布，每个分布具有不同的均值和方差。根据您对问题的了解，做出其他假设是完全合理的。如果您对问题说得更多，我们可以提供帮助。
class（即哪一组）概率p(c_i|x)正好p(x|c_i) p(c_i)/(p(x|c_1) p(c_1) + p(x|c_2) p(c_2))。在高斯假设下，p(x|c_i) 就是 G(x;mu_i, sigma_i)，其中 G 是高斯密度函数。您可以将每个组的均值和方差估计为样本均值和样本方差。 p(c_i) 是 class 先验，即每个 class 中数据的比例。
在为每个 class（其中 i = 1 或 i = 2）计算 p(c_i|x) 之后，您可以确定 x 来自具有最大p(c_i|x)。这基本上是假设 class 的错误 class 化造成的损失或成本相等。如果存在不同的 misclassification 成本，您可以应用成本矩阵并以最低预期成本进行分配。如果你有兴趣，我可以解释一下。
"mixture modeling" 的一般主题与此处相关。