第2章节_贝叶斯决策理论.pptVIP

* 最小错误率准则是最小平均风险准则的特例，i=j, Lij=1, i!=j Lij=0 * 需要详细推导过程 * 需要推导公式 * 模式识别 – 贝叶斯分类器 第二章 贝叶斯决策理论 2.1 最小错误率准则 各种概率及其关系 先验概率： 后验概率： 类条件概率： 贝叶斯公式： 两个类别，一维特征 两类问题的错误率 观察到特征x时作出判别的错误率： 两类问题最小错误率判别准则： 多类问题最小错误率 判别x属于ωi的错误率： 判别准则： 则： 贝叶斯最小错误率准则 Bayes判别准则： ，则 贝叶斯分类器的错误率估计 例2.1 对一大批人进行癌症普查，设ω1类代表患癌症，ω2类代表正常人。已知先验概率： 以一个化验结果作为特征x: {阳性，阴性}，患癌症的人和正常人化验结果为阳性的概率分别为： 现有一人化验结果为阳性，问此人是否患癌症？ 2.2 最小平均风险准则贝叶斯分 类器 问题的提出: 有c个类别ω1, ω2 ,... , ωc, 将ωi类的样本判别为ωj类的代价为λij。 将未知模式x判别为ωj类的平均风险： 最小平均风险判别准则 利用Bayes公式，构造判别函数： 贝叶斯分类器 例2.2 对一大批人进行癌症普查，设ω1类代表患癌症，ω2类代表正常人。已知先验概率： 以一个化验结果作为特征x: {阳性，阴性}，患