[信息与通信]贝叶斯分类器在代价敏感分类与拒识分类中的问题.pdf

中国科技大学自动化系本科生《自动化前沿》讲座 Oct. 24, 2011 贝叶斯分类器 在代价敏感分类与拒识分类 中的问题 胡包钢 NLPR/LIAMA Institute of Automation Chinese Academy of Sciences email: hubg@ 1 Outline 1. 引言 2. 贝叶斯方法简介 3. 关于“客观性”讨论 4 贝叶斯分类器 5. 两个定理 6. 讨论 2 2 1. 引言 初始问题： ✔ “什么是前沿研究”？ - 如何判断是瞄准，跟踪，还是开创？ ✔ “模式识别或分类研究中的前沿有那些”？ 3 3 我的理解 ✔ 什么是前沿研究？ 试答：其中特别包括对新问题的研究。 由此反映三个状态：瞄准，跟踪，开创。 ✔ 模式识别或分类研究中的前沿有那些？ 试提出新问题： “‘物以稀为贵’分类决策 ⽅式的数学解释机理是什么？” 4 4 分类 : Classification 1.什么是分类？ 2. 具体应用实例？ 3. 常用评价准则？ - 分类器 （Classifier ） : From Vapnik, 1998 • Supervised learning • Data driven inference • Linear （or nonlinear ）mapping 5 5 二值分类 : Binary Classifier 构造分类（或混淆）矩阵 X=(x1,x2,x3,x4,x5,x6) 如颜色特征 分类器 预测： Y=(1,2,2,1, 1,2) f (X,θ) 目标：T=(1,2,2,1,2,1) 苹果： T ＝ 1 ，C= [2, 1, A=4/6 梨： T ＝2 ， 1, 2] 6 6 关于二值分类 •正类样本 : C1=TP+FP=95 •负类样本 : C2=FN+TN=5 •分类矩阵 : C= [TP, FP, • FN, TN] • •TP - 正确分类的正类 •FP - 错分的的正类 •FN - 错分的的负