machine-learning - 使用高斯混合模型进行二元分类

Question

我想实现 T=Log( f ( x | client) ) - Log( f ( x | impostor) ) 作为决策边界。我的训练和测试特征是 20*12。我已经应用了voicebox matlab工具箱。我编写了以下 MATLAB 代码:

if max(lp_client)- max(lp_impostor) >0.35
   disp('accept');
else
   disp('reject');
end

我应该使用对数概率的平均值还是对数概率的最大值？

Answer 1

由于估计的概率性质，您应该使用 lp_client 的总和。如果您有一系列独立事件(此模型中通常假设特征独立)，则它的概率是每个事件概率的乘积:

P (Seq | X) = P(feat1 | x) * P(feat2 | X) ...

或者在日志域中

logP (Seq | X) = logP (feat1 | x) + logP(feat2 | X)

实际上

logP(x|client)=sum(lp_client)

和

logP(x | impostor) = sum (lp_impostor)