会计学主要内容【引言】【引言】【引言】【引言】【引言】【引言】【参数估计】【最大似然估计】【最大似然估计】【最大似然估计】【最大似然估计】【最大似然估计】【最大似然估计】【最大似然估计】【贝叶斯估计】【贝叶斯估计】【举例】【贝叶斯估计】【贝叶斯学习】【三种方法总结】【三种方法总结】【最大似然估计】【贝叶斯估计】【贝叶斯估计】令R是包含样本点x的一个区域，其体积为V，设有n个训练样本，其中有k个落在区域R中，则可对概率密度作出一个估计：当n固定时，V的大小对估计的效果影响很大，过大则平滑过多，不够精确；过小则可能导致在此区域内无样本点，k=0。构造一系列包含x的区域R1,R2,…，对应n=1,2,…，则对p(x)有一系列的估计：Parzen窗法：区域体积V是样本数n的函数，如：【Parzen窗法和K-近邻法】定义窗函数超立方体中的样本数：上述过程是一个内插过程，样本xi距离x越近，对概率密度估计的贡献越大，越远贡献越小。只要满足如下条件，就可以作为窗函数：【Parzen窗法】hn称为窗的宽度【Parzen窗法】保存每个类别所有的训练样本；选择窗函数的形式，根据训练样本数n选择窗函数的h宽度；识别时，利用每个类别的训练样本计算待识别样本x的类条件概率密度：采用Bayes判别准则进行分类。