模式识别——贝叶斯二分类

课件上的一道例题~
代码：

import numpy as np

# 首先是数据集
w1=np.array([[0,0],[2,0],[2,2],[0,2]])
w2=np.array([[4,4],[6,4],[6,6],[4,6]])

# 类别的概率
p1=p2=0.5
# 求均值和协方差矩阵
w1_mean=np.mat(w1.mean(axis=0))# 按照列取均值
w2_mean=np.mat(w2.mean(axis=0))# 按照列取均值1x2
w1_cov=np.mat(np.cov(w1,rowvar=False))# 默认行为变量,改成列2x2
w2_cov=np.mat(np.cov(w2,rowvar=False))

# 对于每一个变量，求它的d1和d2的值，d1>d2-->1类
def countD1(xi):

    return 0.5*np.log(np.linalg.det(w1_cov))-0.5*(xi-w1_mean)*w1_cov.I*(xi-w1_mean).T

def countD2(xi):
    return 0.5*np.log(np.linalg.det(w2_cov))-0.5*(xi-w2_mean)*w1_cov.I*(xi-w2_mean).T

################################验证环节##################################
for xi in w1:
    # 计算d1,d2
    xi_mat=np.mat(xi)
    d1=countD1(xi_mat)
    d2=countD2(xi_mat)
    ans="判别为第二类"
    if d1[0,0]-d2[0,0]>0:
        ans="判别为第一类"
    print("d1=",d1[0,0],"d2=",d2[0,0],"结果：",ans)

for xi in w2:
    # 计算d1,d2
    xi_mat=np.mat(xi)
    d1=countD1(xi_mat)
    d2=countD2(xi_mat)
    ans="判别为第二类"
    if d1[0,0]-d2[0,0]>0:
        ans="判别为第一类"
    print("d1=",d1[0,0],"d2=",d2[0,0],"结果：",ans)

理论部分：
感觉给的挺全的，和课件重合度蛮高滴😄：

1. 贝叶斯判别简要分析