贝叶斯分类器解析.ppt

两类决策方法之间的关系 基于最小错误率的决策是基于最小风险决策的一个特例 设损失函数为 式中假定对c类只有c个决策，既不考虑“拒绝”等其他情况，(2-17)表明，当作出正确决策(即i=j)时没有损失，而对于任何错误决策，其损失均为1。这样定义的损失函数成为0—1损失函数。 两类决策方法之间的关系 根据(2-14)式条件风险为 最小错误率贝叶斯决策就是0--1损失函数条件下的最小风险贝叶斯决策 图2.4 图2.3 与图2.4 3.判别函数、决策面与分类器设计 决策域：待识别的特征向量落在哪个决策域，该样本就被判为哪一类。 决策面：决策域的边界面。 判别函数：用于表达决策规则的某些函数。 例：两类别问题按最小错误率做决策 相应的判别函数：gi(x)=p(wi|x),i=1,2 决策面方程：g1(x)=g2(x) 决策规则 如果gi(x)gj(x) i,j=1,2 且i不等于j， 则x属于wi 多类别情况决策规则： 如果 则将x归于wi类 决策面 当wi的决策域与wj的决策域相邻时，一下关系决定了相应的决策面 gi(x)=gj(x) 图2.5a表示了一个三类别问题用一维特征空间时的所有决策边界，而图2.5b则表示了相应的二维特征空间中的决策边界 两类别问题分类器的框图： 多类别分类器的结构框图： 贝叶斯分类器 刘振峰 内容 数学知识 几种常用的决策准则 判别函数、决策