02第二章 贝叶斯决策理论.pptVIP

第二章 贝叶斯决策理论 Li Xiaoxia 西南科技大学信息工程学院 目 录 2.1 引 言 2.2 最小错误率Bayes决策 2.3 最小风险Bayes 2.4 正态分布时的Bayes 2.5 分类器的错误率 2.1 引言 统计决策理论——根据每一类总体的概率分布决定决策边界 Bayes决策理论是统计决策理论的基本方法 Bayes决策理论是解决模式分类问题的一种基本途径，是概率意义上的最佳分类器。 2.2 最小错误率的贝叶斯决策 贝叶斯公式 当观测向量为 x 值时，计算后验概率 P (ωi | x ) 先验概率P（ωi）是预先已知的或者可以估计的某种类型的概率。 对象描述：特征向量 x =[ x1, x2… xd]T 问题：如何对某一样本按其特征向量 x 分类？ 已知： c 个类别（ ） 每一类出现的先验概率 P (ωi ) 类条件概率密度函数 p (x |ωi ) 例：一个人的白细胞浓度是3100，医生应该做出怎样的判断？已知： 患病的人白细胞的浓度~ N (2000, 1000) 未患病的人~ N (7000, 3000) 一般人群中，患病的人数比例为0.5%。 数学表示： 用ω 表示“类别” ω1－患病， ω2－正常 x 表示“白细胞浓度” 类的先验概率： P