贝叶斯决策理论和统计判别方法.pptVIP

基于最小风险的贝叶斯决策 例2.2 再计算出条件风险 基于最小风险的贝叶斯决策 例2.2 作出决策 由于R(α1|X)＞R(α2|X) 即决策为ω2的条件风险小于决策为ω1的条件风险， 因此应采取决策行动α2 即判待识别的细胞X为ω2类——异常细胞。 两种决策方法之间的关系 两种决策方法之间的关系 设损失函数为 条件风险为 错误概率 在限定一类错误率条件下使另一类错误率为最小的两类别决策 聂曼-皮尔逊判决neyman-pearson 基本思想 两种错误 一种的错误概率固定，另一种尽量小 最小最大决策 问题 先验概率未知 基本思想 使得最大可能的风险做小化 最小最大决策 序贯分类 迄今为止所讨论的分类问题，关于待分类样本的所有信息都是一次性提供的。但是，在许多实际问题中，观察实际上是序贯的。随着时间的推移可以得到越来越多的信息。 判别函数、决策面与分类器设计 决策面与判别函数 分类决策实质上是在描述待识别对象的d维特征所组成的特征空间内，将其划分为c个决策域， 待识别的特征向量落在哪个决策域，该样本就被判为哪一类。 因此决策域的边界面就是决策面， 在数学上用解析形式表示成决策面方程。 判别函数、决策面与分类器设计 决策面与判别函数 用于表达决策规则的某些函数则称为判别函数。 显然判别函数与决策面方程是密切相关的，并且都是由相应决策规则所确定的。 判别