R 统计学习要素中的图2.5

我在计算图2.5中的Bayes决策边界时遇到了一些困难。在ElemStatLearn包中，它已经计算了每个点的概率，并使用等高线绘制边界。有谁能告诉我如何计算概率吗？多谢各位

在传统的Bayes决策问题中，混合分布通常是正态分布，但是在这个例子中，它使用两个步骤来生成样本，因此我在计算分布时有一些困难

非常感谢。

ESL（可在线访问）第2.3.3节说明了数据是如何生成的。每个类别是10个协方差相等的高斯分布的混合，10个平均值中的每一个都是从另一个二元高斯分布中提取的，如本文所述。为了计算图2.5中模拟的精确决策边界，您需要知道生成数据的特定20个平均值（每个类10个），但文本中未提供这些值

---

但是，您可以生成一对新的混合模型，并计算生成的两个类（蓝色和橙色）的概率。由于一个类中的10个分布中的每一个都具有相同的可能性，因此类条件概率p（x | BLUE）只是BLUE模型中10个分布中每一个分布的概率的平均值。

我觉得你的问题非常模糊，只能回答那些熟悉你提到的特定工作的图2.5的人。也许你可以扩展你的答案来包含相关的信息？这就是已知生成密度情况下的确切边界。给定样本的估计决策边界非常不同。如果我们知道数据是如何生成的，你是在试图计算真实的边界，还是对边界的朴素贝叶斯估计？非常感谢。该程序由bogatron演示如下。非常感谢。我更明白这一点。因此，当我们计算决策边界时，这20种方法可以被认为是已知的。这似乎更容易解决。