贝叶斯决策理论课件.pptVIP

第2章 贝叶斯决策理论;2.1 引言;作为统计判别问题的模式分类;但在现实世界中，由许多客观现象的发生，就每一次观察和测量来说，即使在基本条件保持不变的情况下也具有不确定性 只有在大量重复的观察下，其结果才能呈现出某种规律性，即对它们观察到的特征具有统计特性 特征值不是一个确定的向量，而是一个随机向量 此时，只能利用模式集的统计特性来分类，以使分类器发生错误的概率最小;统计识别的基本方法——贝叶斯决策;2.2 几种常用的决策规则;2.2.1 基于最小错误率的贝叶斯决策;贝叶斯决策的出发点;贝叶斯公式;;贝叶斯决策的几种表达形式;两类模式集分类问题 对一大批人进行癌症普查，患癌者以ω1类代表，正常人以ω2类代表 设被试验的人中患有癌症的概率为0.005，即P(ω1)=0.005，当然P(ω2)=1-0.005=0.995 现任意抽取一人，要判断他是否患有癌症。显然，因为P(ω2) P(ω1)，只能说是正常的可能性大。如要进行判断，只能通过化验来实现;设有一种诊断癌症的试验，其结果为“阳性”和“阴性”两种反应 若用这种试验来对一个病人进行诊断，提供的化验结果以模式x代表，这里x为一维特征，且只有x=“阳”和x=“阴”两种结果 ;假设根据临床记录，发现这种方法有以下统计结果 患有癌症的人试验反应为阳性的概率=0.95，即p(x=阳|ω1)=0.95 患有癌症的人试验反应为阴性的概率=0.