贝叶斯决策论讲义.pptVIP

Chapter 2 Bayesian Decision Theory– 贝叶斯决策论;要点：; 在不知道更多信息的情况下，每次出现鲈鱼的先验概率为 ，而鲑鱼的先验概率为 ，其中 先验概率反映了在鱼没有出现之前，我们拥有可能出现鱼的类别的先验知识。; 利用类条件概率密度: 及 描述了两种鱼类外观上光泽度的差异。 其中，x为光泽度指标。 类条件概率密度为类别状态为ω时的x的概率密度函数 ; 注 : 假定的类条件概率密度函数图,显示了模式处于类?? 时观察某 个特定特征值 x 的概率密度.如果 x 代表了鱼的长度,那么这两条曲线可 描述两种鱼的长度区别.概率函数已归一化,因此每条曲线下的面积为1;贝叶斯公式: 处于类别 并具有特征值 x的模式的联合概率密度可写成两种形式： ;在先验概率 及图2-1给出的后验概率图.此情况下,假定一 个模式具有特征值 , 那么它属于 类的概率约为0.08, 属于 的概率 约为0.92.在每个x 处的后验概率之和为1