《模式识别》实验报告---最小错误率贝叶斯决策分类一实验原理对于具有多个特征参数的样本(如本实验的iris数据样本有个参数)其正态分布的概率密度函数可定义为式中是维行向量是维行向量是维协方差矩阵是的逆矩阵是的行列式本实验我们采用最小错误率的贝叶斯决策使用如下的函数作为判别函数(3个类别)其中为类别发生的先验概率为类别的类条件概率密度函数由其判决规则如果使对一切成立则将归为类我们根据假设：类别

IRIS数据集的Bayes分类实验实验原理概述模式识别中的分类问题是根据对象特征的观察值将对象分到某个类别中去统计决策理论是处理模式分类问题的基本理论之一它对模式分析和分类器的设计有着实际的指导意义贝叶斯(Bayes)决策理论方法是统计模式识别的一个基本方法用这个方法进行分类时需要具备以下条件：各类别总体的分布情况是已知的要决策分类的类别数是一定的其基本思想是：以Bayes公式为基础利用测量