人工智能莪ppt样板.pptVIP

2.1 引言 贝叶斯决策论是解决模式分类问题的一种基本统计途径。它做了如下假设，即决策问题可以用概率的形式来描述，并且假设所有的概率结构已知。 例：鲑鱼和鲈鱼分类 两类鱼自然状态下的先验概率 先验概率是一个随机变量(?=?1鲈鱼; ?= ?2鲑鱼)  等概率假设下有： P(?1) = P(?2) P(?1) + P( ?2) = 1 2.1 引言 仅根据先验概率的判决规则 if P(?1) P(?2) 则 判为?1 否则 判为 ?2 连续判决和误差概率 使用类条件概率信息（ P(x | ?)类条件概率密度函数 ） P(x | ?1) 和 P(x | ?2) 描述两类鱼光泽度的不同 2.1 引言 2.1 引言 处于类别?j并具有特征值x的模式的联合概率密度如下： p(?j,x) = P(?j | x) . p(x)=p(x| ?j ) .P(?j ) 2.1 引言 根据后验概率判决 X 是观测属性 if P(?1 | x) P(?2 | x) 判决状态为 ?1 if P(?1 | x) P(?2 | x) 判决状态为 ?2 所以: 当我们观测到一个 x, 判决的误差概率为 : P(error | x) = P(?1 | x) 如果判决为 ?2 P(error | x) = P(?