非参数估计刘芳，戚玉涛刘芳，戚玉涛qi_qi_1PPT课件引言v参数化估计：参数化估计：ML方法和方法和Bayesian估计。假设概率估计。假设概率密度形式已知。密度形式已知。v实际中概率密度形式往往未知。实际中概率密度形式往往未知。v实际中概率密度往往是多模的，即有多个局部极大实际中概率密度往往是多模的，即有多个局部极大值值。v实际中样本维数较高，且关于高维密度函数可以表实际中样本维数较高，且关于高维密度函数可以表示成一些低维密度函数乘积的假设通常也不成立。示成一些低维密度函数乘积的假设通常也不成立。v本章介绍非参数密度估计方法：本章介绍非参数密度估计方法：能处理任意的概率能处理任意的概率分布，而不必假设密度函数的形式已知。分布，而不必假设密度函数的形式已知。2PPT课件主要内容v概率密度估计概率密度估计vParzen窗估计窗估计vk-NN估计估计v最近邻分类器（最近邻分类器（NN）vk-近邻分类器（近邻分类器（k-NN）3PPT课件概率密度估计v概率密度估计问题：概率密度估计问题：给定给定i.i.d.样本集：样本集：估计概率分布：估计概率分布：4PPT课件概率密度估计v直方图方法：
