模式识别-第2讲-贝叶斯决策理论1.pptVIP

条件期望损失 计算机学院第3次课结束！ 设{?1,?2,…,?c}是c个类别的集合(状态)。 设{?1,?2,…,?a}是a种采取的决策行为。 记 ?(?i,?j) (损失函数)是类别状态为?j时采用决策行为?i的风险。 对于i = 1,…,a，条件风险R(?i|x) 定义为： 它是在c个类别状态中任取某个状态?j时，采用决策?i的风险?(?i ,?j)相对于后验概率P(?j|x)的条件期望。 一般决策表 观察值x是随机向量，不同的观察值x，采取决策?i时，其条件风险的大小是不同的。所以，究竟采取哪一种决策将随x的取值而定。 决策?看成随机向量x的函数，因此，它也是一个随机变量。条件风险R(?i|x)反映给定的观察值x，采取决策?i时，所有类别状态下带来风险的平均值。 条件风险是反映了对于给定观察值x,采取决策?i所带来的风险。对于i=1,…,a所有的决策行动中，能否根据最小条件风险来决定判别规则？ 如果在采取每一个决策或行动时，都使其条件风险最小，则对给定的观察值x作出决策时，其期望风险也必然最小。这样的决策就是最小风险贝叶斯决策。其规则为： 已知先验概率P(?j)、类条件概率密度p(x|?j),并给出待识别的x，根据贝叶斯公式，计算出后验概率P(?j|x)。 后验概率P(?j|x)与损失函数，计算出每个条件期望风险R(?i|x)(一共有a个决策)。 3.在a个R(?i|x)