关于贝叶斯决策理论教材.ppt

课前思考 机器自动识别分类，能不能避免错分类 ? 怎样才能减少错误？ 不同错误造成的损失一样吗？ 先验概率，后验概率，概率密度函数？ 什么是贝叶斯公式？ 正态分布？期望值、方差？ 正态分布为什么是最重要的分布之一？ 学习指南 本章要说明分类识别中为什么会有错分类，在何种情况下会出现错分类？错分类的可能性会有多大？怎样才能使错分类最少？ 不同的错分类造成的危害是不同的，有的错分类种类造成的危害更大，因此控制这种错分类则是更重要的。为此引入了一种“风险”与“损失”概念，希望做到使风险最小。要着重理解“风险”与“损失”的概念，以及在引入“风险”概念后的处理方法。 学习指南 理解本章的关键 要正确理解先验概率，类概率密度函数，后验概率这三种概率 对这三种概率的定义，相互关系要搞得清清楚楚 Bayes公式正是体现这三者关系的式子，要透彻掌握。 2.1引言 统计决策理论 是模式分类问题的基本理论之一 贝叶斯决策理论 是统计决策理论中的一个基本方法 物理对象的描述 在特征空间中讨论分类问题 假设一个待识别的物理对象用其d个属性观察值描述，称之为d个特征，记为x = [x1, x2, …, xd]T 这组成一个d维的特征向量，而这d维待征所有可能的取值范围则组成了一个d维的特征空间。 贝叶斯决策理论方法讨论的问题 讨论的问题 总共有c类物体 已知各类在这d维特征空间的统计分布