贝叶斯决策理论5456525.pptVIP

2.1 Bayes决策的基本概念 2.2 基于最小错误率的Bayes决策 2.3 基于最小风险的Bayes决策 2.4 Bayes决策比较 2.5 基于二值数据的Bayes分类实现 2.6 基于最小错误率的Bayes分类实现 2.7 基于最小风险的Bayes分类实现 2.8 本章小结 2.9 课后作业 2.1 Bayes决策的基本概念 2.1.1 Bayes决策所讨论的问题 （1）当分类器的设计完成后，对待测样品进行分类，一定能正确分类吗？ （2）如果有错分类情况发生，是在何种情况下出现的？错分类的可能性会有多大？ 如图4-1所示，正常药品“＋“，异常药品”-”。识别的目的是要依据X向量将药品划分为两类。 对于图4-1来说，可以用一直线作为分界线，这条直线是关于X的线性方程，称为线性分类器。 问题在于出现模棱两可的情况，如图4-2所示。 此时，任何决策都存在判错的可能性。 即所观察到的某一样品的特征向量X，在M类中又有不止一类可能呈现这一X值，无论直线参数如何设计，总会有错分类发生。 如果以错分类最小为原则分类，则图中A直线可能是最佳的分界线，它使错分类的样品数量为最小。 如果将一个“－“样品错分为”＋“类所造成的损失要比将”＋“分成”－“类严重。 偏向使对”－“类样品的错分类进一步减少，可以使总的损失最小，那么B直线就可能比A直线更适合作为分界线。