统计决策方法概论.pptx

;课前思考;学习指南 ;理解本章的关键 要正确理解先验概率，类概率密度函数，后验概率这三种概率 对这三种概率的定义，相互关系要搞得清清楚楚 Bayes公式正是体现这三者关系的式子，要透彻掌握。 ;;;;;基于最小错误率的贝叶斯决策 ;例子：挑选西瓜;贝叶斯公式;挑选西瓜;如果有：;判别函数的几种等价形式;讨论;类条件概率和后验概率区别？ 后验概率: P(ω1|x)和P(ω２|x) 同一条件x下，比较ω1与ω2出现的概率 两类ω1和ω2，则有P(ω1|x)+P(ω2|x)=1 如P(ω1|x) P(ω2|x)则可以下结论，在x条件下，事件ω1出现的可能性大 类条件概率: P(x|ω1)和P(x|ω2) 是在不同条件下讨论的问题 即使只有两类ω1与ω2，P(x|ω1)+P(x|ω1)≠1 P(x|ω1)与P(x|ω2)两者没有联系;问题;错误率分析;平均错误率;;优点：;;基本思想;相关概率;最小风险贝叶斯决策;最小风险 VS 最小错误率;;聂曼－皮尔逊准则;;注：可以看出聂曼-皮尔逊决策规则与最小错误率贝叶斯决策规则都是以似然比为基础的，不同地是最小错误决策阈值为先验概率之比，而聂曼-皮尔逊决策阈值则是Lagrange乘子。;2021/2/17;优点：;;本节和前三节的关系;本节重点;研究正态分布的原因 数学上比较简单 N(μ, σ 2) 只有均值和方差两个参数 物理上的合理性;单变量正态分布;思考:正态分布，或高斯分布是先验概率P(ωi)，还是分布P(X|ωi),还是后验概率P(ωi|X)？ 不是我们所讨论的先验概率P(ωi)，也不是后验概率P(ωi|X)，而是p(x|ωi)。 ;（多变量）多维正态分布;2021/2/17;性质;正态分布时最小错误率贝叶斯决策;第一种情况;;;; 对于未知样本x，把x与各类均值相减，把x归于最近一类，即为最小距离分类器。;;讨论：针对ω1，ω2二类情况，如图：;Σi为任意，各类协方差矩阵不等，二次项xT Σi x与i有关，所以判别函数为二次型函数。;;讨论;讨论;讨论;2021/2/17;Q A ;9、有时候读书是一种巧妙地避开思考的方法。2月-212月-21Wednesday, February 17, 2021 10、阅读一切好书如同和过去最杰出的人谈话。15:40:0915:40:0915:402/17/2021 3:40:09 PM 11、越是没有本领的就越加自命不凡。2月-2115:40:0915:40Feb-2117-Feb-21 12、越是无能的人，越喜欢挑剔别人的错儿。15:40:0915:40:0915:40Wednesday, February 17, 2021 13、知人者智，自知者明。胜人者有力，自胜者强。2月-212月-2115:40:0915:40:09February 17, 2021 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。17 二月 20213:40:09 下午15:40:092月-21 15、最具挑战性的挑战莫过于提升自我。。二月 213:40 下午2月-2115:40February 17, 2021 16、业余生活要有意义，不要越轨。2021/2/17 15:40:0915:40:0917 February 2021 17、一个人即使已登上顶峰，也仍要自强不息。3:40:09 下午3:40 下午15:40:092月-21