模式识别随堂笔记（3）ᝰ概率密度函数的估计

发布于：2022-12-27 ⋅ 阅读:(485) ⋅ 点赞:(0)

一、引言

概率密度函数的估计方法分为参数估计和非参数估计

参数估计与非参数估计https://blog.csdn.net/drrlalala/article/details/45533821?ops_request_misc=&request_id=&biz_id=102&utm_term=%E9%9D%9E%E5%8F%82%E6%95%B0%E4%BC%B0%E8%AE%A1&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-3-45533821.nonecase&spm=1018.2226.3001.4187

参数估计的方法又分最大似然估计和贝叶斯估计

参数估计的基本概念：统计量，参数空间，点估计、估计量和估计值，区间估计

>>>参数估计的基本概念

二、最大似然估计

>>>极大似然估计详解 34W+

>>>最大似然估计的基本原理、均匀分布的最大似然估计、正态分布下的似然估计

三、贝叶斯估计

>>>贝叶斯估计详解 6W+

四、概率密度估计的非参数方法

>>>非参数估计---直方图法、Kn近邻估计法、Parzen窗法

非参数估计的基本原理与直方图方法https://blog.csdn.net/linjing_zyq/article/details/120393858?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166264741016782425187515%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=166264741016782425187515&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~pc_rank_34-4-120393858-null-null.142%5Ev47%5Epc_rank_34_default_2,201%5Ev3%5Eadd_ask&utm_term=%E9%9D%9E%E5%8F%82%E6%95%B0%E4%BC%B0%E8%AE%A1&spm=1018.2226.3001.4187

直方图方法

Kn近邻估计方法

Parzen窗法

概率密度估计小结--参数估计与非参数估计https://blog.csdn.net/qq_30815237/article/details/88682736?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166306479516800192265988%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=166306479516800192265988&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~pc_rank_34-5-88682736-null-null.142%5Ev47%5Epc_rank_34_default_2,201%5Ev3%5Eadd_ask&utm_term=%E9%9D%9E%E5%8F%82%E6%95%B0%E4%BC%B0%E8%AE%A1&spm=1018.2226.3001.4187

本文含有隐藏内容，请开通VIP 后查看