PRML: как построить границу минимального решения по ошибочной классификации? - PullRequest
Новая
       54

PRML: как построить границу минимального решения по ошибочной классификации?

0 голосов
/ 31 октября 2018

Two classes dataset

Это синтетическая классификация данных с данными из двух классов, показанных красным и синим цветом. Синий класс создается из одного гауссиана, а красный - из смеси двух гауссиан.

Поскольку у нас есть априорные вероятности (p (C0) = 0,5 и p (C1) = 0,5) и условно-классовые вероятности (один гауссовский p (x | C0) и смесь двух гауссианов p (x | C1)), мы можем вычислить истинные апостериорные вероятности и построить контурные линии и заполненные контуры, как показано справа. Но как изобразить границу минимального решения по ошибочной классификации (зеленая линия)?

Данные генерируются как: 

import numpy as np
import matplotlib.pyplot as plt

def create_toy_data(mu1, mu2, mu3, sigma1, sigma2, sigma3):
    x0 = np.random.multivariate_normal(mu1, sigma1, 100)
    x1 = np.random.multivariate_normal(mu2, sigma2, 50)
    x2 = np.random.multivariate_normal(mu3, sigma3, 50)
    return np.concatenate([x0, x1, x2]), np.concatenate([np.zeros(100, dtype='int'), np.ones(100, dtype='int')])

Я знаю, что минимальная граница принятия решения о степени ошибочной классификации равна p (C0 | x) = p (C1 | x) = 0,5, но как представить кривую в явном виде?

...