第2章 贝叶斯决策理论-2.pptVIP

第二章 贝叶斯决策理论 2.4 正态分布时的统计决策 2.4.1 正态分布概率密度函数的定义与性质 2.4.2 正态分布概率模型下的最小错误率贝叶斯决策 2.4.3 正态分布下最小错误率贝叶斯分类器的一些特殊性质 1.输入类数M；特征数n，待分样本数m. 2.输入训练样本数N和训练集资料矩阵X(N×n)。并计算有关参数。 3.计算矩阵y中各类的后验概率。 4.若按最小错误率原则分类，则可根据 3 的结果判定y中各类样本的类别。 5.若按最小风险原则分类，则输入各值，并计算y中各样本属于各类时的风险并判定各样本类别。 解2、假定两类协方差矩阵相等∑=∑1+∑2 讨论 针对ω1，ω2二类情况，如图： Bayes分类的算法（假定各类样本服从正态分布） * * 一、正态分布判别函数 1、为什么采用正态分布： a、正态分布在物理上是合理的、广泛的。 b、正态分布数学上简单，N(μ, σ 2) 只有均 值和方差两个参数。 正态分布决策理论 §2.4.1 2、单变量正态分布： 3、（多变量）多元正态分布 定义： 边缘分布和条件分布的正态性 最小错误率(Bayes)分类器 从最小错误率这个角度来分析Bayes 分类器 §2.4.2 决策面方程： 最小错误率(Bayes)分类的几种特殊情况 §2.4.3 讨论